MARC

 008240612s2023      us  |||||||||||||||c||eng  d
■001000016932218
■00520240214100429
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380380843
■035    ▼a(MiAaPQ)AAI30490107
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a629.8
■1001  ▼aHuang,  Isabella.
■24510▼aDeformation  in  Robotics:  Applications  in  Tactile  Sensing  and  Grasp  Planning▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Berkeley.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(106  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Bajcsy,  Ruzena.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aIf  robots  are  to  function  in  unconstrained,  dynamic,  and  real-world  environments,  it  is  critical  that  are  able  to  interact  with  deformable  materials.  Deformable  materials  have  historically  been  overlooked  in  traditional  robotics  due  to  prevailing  assumption  of  robot  and  object  rigidity.  These  assumptions,  though  perfectly  appropriate  for  constrained  environments  such  as  factory  settings,  are  often  broken  in  the  real-world.  At  the  same  time,  deformable  interactions  are  uniquely  challenging  due  to  the  infinite-dimensional,  non-linear  nature  of  the  deformable  materials  involved.  To  address  the  challenges  of  introducing  and  implementing  deformation  in  robotics,  we  present  this  thesis  work  in  two  parts.  First,  we  study  deformation  on  the  robot  side,  where  we  design  a  soft  tactile  sensor  and  demonstrate  its  use  in  human-robot  interaction  and  automation.  Second,  we  also  explore  deformation  on  the  object  side,  where  in  particular  we  focus  on  optimizing  grasp  strategies  over  3D  field  quantities.In  our  first  group  of  work,  we  propose  and  fabricate  a  novel  soft  tactile  device  that  utilizes  an  embedded  3D  depth-sensing  camera  to  produce  interpretable  signals  for  geometry  and  force  sensing.  We  demonstrate  that  this  sensor  is  inherently  safe  and  functional  for  applications  including  physical  upper  limb  assistance  for  humans,  contour  following  for  domestic  wiping  tasks,  as  well  as  geometry-dependent  learning  from  demonstration  tasks  for  general  contact-rich  manipulation  tasks.  In  the  second  part  of  the  thesis,  we  develop  grasp  planners  for  3D  deformable  objects  (e.g.,  fruits,  internal  organs,  containers)  for  applications  in  food  processing,  robotic  surgery,  and  household  automation.  In  particular,  we  optimize  for  field  quantities  that  are  not  only  inaccessible  in  the  real  world,  but  have  also  been,  until  recent  years,  computationally  intractable  to  model.  We  create  DefGraspSim,  a  finite  element  method-based  physics  simulator  of  arbitrary  grasps  on  arbitrary  3D  meshes  over  a  wide  range  of  material  parameters.  We  also  create  DefGraspNets,  a  graph  neural  network-based  forward  dynamics  model  that  is  not  only  up  to  1500x  faster  than  DefGraspSim,  but  also  enables  gradient-based  grasp  optimization.  For  both  methods,  we  demonstrate  generalized  performance  across  multiple  test  sets,  including  on  real-world  experiments.
■590    ▼aSchool  code:  0028.
■650  4▼aRobotics.
■650  4▼aComputer  science.
■650  4▼aElectrical  engineering.
■653    ▼aDeformable  materials
■653    ▼aGrasping
■653    ▼aHuman-robot  interaction
■653    ▼aSoft  robotics
■653    ▼aTactile  sensing
■690    ▼a0771
■690    ▼a0984
■690    ▼a0544
■71020▼aUniversity  of  California,  Berkeley▼bElectrical  Engineering  &  Computer  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932218▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서