Aller au contenu principal
Accès ouvert déclaré 2025 preprint

Ultra-Fast Lightweight Incipient Slip Detection Using Hyperdimensional Computing with the PapillArray Tactile Sensor

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : cn, ie. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Timely detection of incipient slip is critical for delicate robotic grasping and dexterous manipulation. However, existing learning-based methods suffer from detection latency and high computational demands. In this paper, we present an ultra-fast lightweight incipient slip detection framework based on hyperdimensional (HD) computing, using the PapillArray optical tactile sensor. Our approach introduces a novel graphical-spatial-temporal HD encoding scheme coupled with a context-driven training and inference strategy, achieving a slip detection accuracy of 91.78% in offline evaluation. The resulting model is exceptionally compact and highly edge-compatible, with a size of only 0.375 kB. Furthermore, hardware acceleration on an FPGA enables inference within 0.42 microseconds, representing an over 10^4 speedup compared to optimized CPU implementations. Online robotic experiments involving grip-force control based on the proposed slip detection method further validate its practical effectiveness. This work offers a practical and scalable solution for real-time slip detection in robotic manipulation tasks.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Ultra-Fast Lightweight Incipient Slip Detection Using Hyperdimensional Computing with the PapillArray Tactile Sensor
Date Crossref
20/12/2025
Éditeur
Institute of Electrical and Electronics Engineers (IEEE)
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Ferroelectric and Negative Capacitance DevicesNeural Networks and Reservoir ComputingAdvanced Memory and Neural Computing

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.