출력을 변환하는 문제
센서마다 촉각 자료를 따로 모으는 비용은 새로운 모델을 학습할 때 부담이 된다. 이 연구는 같은 자극에 대한 두 센서 출력 사이의 대응을 학습하는 문제를 정의한다.
두 가지 접근
이미지 간 변환용 생성 모델을 촉각 변환에 맞춰 적용한 방법과 ResNet으로 회귀하는 방법을 비교한다. 공통 임베딩을 얻는 것과 달리 목표 센서의 출력을 직접 생성한다.
서로 다른 감지 원리
DIGIT의 이미지로 CySkin의 정전용량 센서 자료를 만든다. 흔한 물체에서 나타날 수 있는 촉각 특징으로 학습하고 이전에 보지 않은 자료에서 평가했다.
형상과 크기 오차
접촉 형상을 유지하는지와 센서 응답 크기의 오차를 함께 살폈다. 비슷한 접촉 형태를 만들더라도 응답의 크기가 정확히 같다는 뜻은 아니며, 이 두 센서의 결과를 모든 센서 변환으로 확대할 수는 없다.
관련 문서
DIGIT 촉각 센서 / HTT와 HPT 촉각 학습 / TACROSS / DigiTac / ResNet / 촉각