메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
허현석 (포항공과대학교) 김정중 (한국기계연구원) 고두열 (한국기계연구원) 김창현 (한국기계연구원) 이승철 (포항공과대학교)
저널정보
한국로봇학회(논문지) 로봇학회 논문지 로봇학회 논문지 제17권 제3호
발행연도
2022.9
수록면
365 - 372 (8page)
DOI
10.7746/jkros.2022.17.3.365

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The accurate object recognition is important for the precise and accurate manipulation. To enhance the recognition performance, we can use various types of sensors. In general, acquired data from sensors have a high sampling rate. So, in the past, the RNN-based model is commonly used to handle and analyze the time-series sensor data. However, the RNN-based model has limitations of excessive parameters. CNN-based model also can be used to analyze time-series input data. However, CNN-based model also has limitations of the small receptive field in early layers. For this reason, when we use a CNN-based model, model architecture should be deeper and heavier to extract useful global features. Thus, traditional methods like RNN - based and CNN - based model needs huge amount of learning parameters. Recently studied result shows that Fast Fourier Convolution (FFC) can overcome the limitations of traditional methods. This operator can extract global features from the first hidden layer, so it can be effectively used for feature extracting of sensor data that have a high sampling rate. In this paper, we propose the algorithm to recognize objects using tactile sensor data and the FFC model. The data was acquired from 11 types of objects to verify our posed model. We collected pressure, current, position data when the gripper grasps the objects by random force. As a result, the accuracy is enhanced from 84.66% to 91.43% when we use the proposed FFC-based model instead of the traditional model.
#Tactile Sensor #Gripper #Object Recognition #Fast Fourier Convolution (FFC)

목차

Abstract
1. 서론
2. 연구방법
3. 실험결과 및 분석
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

범용 작업 로봇 지능을 위한 AI 연구 동향
김정중 ,  고두열 한국통신학회지(정보와통신) 2023 .04
이산 푸리에 변환 기반의 엔진 실화 진단
한풍규 ,  박주현 한국자동차공학회논문집 2021 .05
미국 ‘인도-태평양 전략’과 한국에 대한 함의 분석: ‘투키디데스 함정’의 위험
박휘락 국제정치연구 2020 .06
고난도 조립작업을 위한 로봇 지능 기술 동향: 로봇 작업 모델을 중심으로
김창현 ,  고두열 ,  김정중 로봇과 인간 2025 .01
2차원 고속 푸리에 변환을 이용한 반도체 웨이퍼의 기계학습용 블러 이미지 특징 추출 방법
김성준 ,  안채헌 대한기계학회 춘추학술대회 2023 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-559-001567751