.png){kind=icon}
返回
Grasping New Material Densities
.png){kind=icon}
PRE
AI
DOI：10.1163/22134808-bja10146.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在抓取物体时，我们倾向于通过寻找跨越物体质心（CoM）的抓握点，以获得扭矩最小的稳定抓握。对于均质物体，质心位于几何中心（GC），可根据形状线索计算得出。然而，日常物体常包含不同材料和密度的部件。此时，质心取决于物体的几何形状及各部件的密度。我们探究了参与者如何估计新型双部件物体的质心。在四项实验中，参与者使用精密抓握方式抬起由钢和PVC按不同比例组成的圆柱体（钢的密度为PVC的3倍）。所有实验中，初始抓握点均接近物体的几何中心；无论是日常经验（金属比PVC密度大）还是对刺激材料单独的预先接触，均未使初始抓握点偏离几何中心。然而，在几次尝试后，抓握点逐渐向质心偏移，减小但未完全消除扭矩。学习效果在刺激集合中具有迁移性，即观察者学习的是材料的密度（或其比例），而非每个物体的质心。此外，存在稳定的“抓取不足”偏差，偏向抓握手一侧。当刺激集合为“密度反转”（PVC密度为钢的3倍）时，学习速度同样迅速，证实对材料的前期知识对抓握点选择影响甚微。当实验过程中刺激集合被暗中切换时，意外的力反馈导致抓握适应更快。扭矩最小化是抓握点适应的主要驱动力，但预先接触相关材料后缺乏迁移现象令人意外。
Keyword:
grasping behaviour
visuomotor learning
composite objects
novel materials
density estimation
