論文の概要: Reconfigurable Design for Omni-adaptive Grasp Learning
- arxiv url: http://arxiv.org/abs/2003.01582v1
- Date: Sat, 29 Feb 2020 20:48:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-27 21:01:59.709470
- Title: Reconfigurable Design for Omni-adaptive Grasp Learning
- Title（参考訳）: Omni-Adaptive Grasp Learningのための再構成可能設計
- Authors: Fang Wan, Haokun Wang, Jiyuan Wu, Yujia Liu, Sheng Ge, Chaoyang Song
- Abstract要約: 我々は,全方向適応型ソフトフィンガー構造を用いたロボットグリップの再構成可能な設計を採用する。
3フィンガーと4フィンガーのラジアル構成は、平均96%の成功率を達成する最も効果的な構成である。
- 参考スコア（独自算出の注目度）: 14.25785215435502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The engineering design of robotic grippers presents an ample design space for
optimization towards robust grasping. In this paper, we adopt the
reconfigurable design of the robotic gripper using a novel soft finger
structure with omni-directional adaptation, which generates a large number of
possible gripper configurations by rearranging these fingers. Such
reconfigurable design with these omni-adaptive fingers enables us to
systematically investigate the optimal arrangement of the fingers towards
robust grasping. Furthermore, we adopt a learning-based method as the baseline
to benchmark the effectiveness of each design configuration. As a result, we
found that a 3-finger and 4-finger radial configuration is the most effective
one achieving an average 96\% grasp success rate on seen and novel objects
selected from the YCB dataset. We also discussed the influence of the
frictional surface on the finger to improve the grasp robustness.
- Abstract（参考訳）: ロボットグリッパーのエンジニアリングデザインは、ロバストな把持のための最適化のための十分な設計空間を提供する。
本稿では,このロボットグリッパーを,全方向適応した新しいソフトフィンガー構造を用いて再構成可能設計し,これらの指を並べ替えることで多数のグリッパー構成を発生させる。
このような全適応指を用いた再構成可能な設計により,ロバストな把持に向けた指の最適配置を体系的に検討できる。
さらに,各設計構成の有効性をベンチマークするベースラインとして,学習に基づく手法を採用する。
その結果、ycbデータセットから選択した新規および新規のオブジェクトに対して、平均96\%の把持成功率を達成するためには、3フィンガーおよび4フィンガーラジアル構成が最も効果的であることが判明した。
また,手指に対する摩擦面の影響についても検討した。
関連論文リスト
- Prim2Room: Layout-Controllable Room Mesh Generation from Primitives [90.5012354166981]
Prim2Roomは、2Dレイアウト条件と3Dプリミティブ検索を活用した制御可能なルームメッシュ生成のためのフレームワークである。
適応的な視点選択アルゴリズムを導入し、より好ましい視点から家具のテクスチャと幾何学を生成する。
提案手法は,生成した3Dシーンの精度と美的魅力を高めるだけでなく,詳細な部屋デザインのためのユーザフレンドリーなプラットフォームも提供する。
論文 参考訳（メタデータ） (2024-09-09T07:25:47Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳（メタデータ） (2024-01-24T01:33:39Z) - Fin-QD: A Computational Design Framework for Soft Grippers: Integrating
MAP-Elites and High-fidelity FEM [14.554559832990835]
この研究は、指をベースとしたソフトグリップの広大な設計空間を計算的に探索する際のギャップを埋めると同時に、単純な制御方式で大きな幾何学的に異なるオブジェクトタイプを把握している。
論文 参考訳（メタデータ） (2023-11-21T09:38:03Z) - Investigation of inverse design of multilayer thin-films with
conditional invertible Neural Networks [62.997667081978825]
我々は、条件付き可逆ニューラルネットワーク(cINN)を用いて、光学目標を与えられた多層薄膜を逆設計する。
我々は、cINNが、ランダムな変数に応じて、所望のターゲットに適当に近い薄膜構成の提案を生成可能であることを示す。
論文 参考訳（メタデータ） (2022-10-10T12:29:20Z) - Meta Reinforcement Learning for Optimal Design of Legged Robots [9.054187238463212]
モデルなしメタ強化学習を用いた設計最適化フレームワークを提案する。
提案手法は,事前定義された動作や歩行パターンに制約されずに,より高い性能を実現することができることを示す。
論文 参考訳（メタデータ） (2022-10-06T08:37:52Z) - Understanding Physical Effects for Effective Tool-use [91.55810923916454]
本稿では,最小の協力力で効果的なツール利用戦略を創出するロボット学習計画フレームワークを提案する。
FEM(Finite Element Method)をベースとしたシミュレータを用いて,観測ツール使用時の細粒度,連続的な視覚的,身体的効果を再現する。
シミュレーションでは,提案手法が2つのタスクで観測されたものとは大きく異なる,より効果的なツール利用戦略を実現できることを示す。
論文 参考訳（メタデータ） (2022-06-30T03:13:38Z) - An End-to-End Differentiable Framework for Contact-Aware Robot Design [37.715596272425316]
我々は、接触認識ロボット設計のためのエンドツーエンドの差別化可能なフレームワークを構築した。
変形に基づく新しいパラメータ化により、任意の複雑な幾何学を持つ剛体ロボットを設計することができる。
微分可能な剛体シミュレータは、接触豊富なシナリオを処理し、運動パラメータと動的パラメータの完全なスペクトルに対する解析的勾配を計算することができる。
論文 参考訳（メタデータ） (2021-07-15T17:53:44Z) - Emergent Hand Morphology and Control from Optimizing Robust Grasps of
Diverse Objects [63.89096733478149]
多様な物体をつかむために、効果的なハンドデザインが自然に現れるデータ駆動型アプローチを紹介します。
形態と把持スキルを共同で効率的に設計するベイズ最適化アルゴリズムを開発した。
我々は,新しい物体をつかむための堅牢で費用効率のよい手形態を発見するためのアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2020-12-22T17:52:29Z) - Fit2Form: 3D Generative Model for Robot Gripper Form Design [17.77153086504066]
ロボットのエンドエフェクターの3次元形状は、その機能と全体的な性能を決定する上で重要な役割を果たす。
多くの産業アプリケーションは、システムの堅牢性と正確性を保証するためにタスク固有のグリッパー設計に依存している。
この研究の目的は、機械学習アルゴリズムを使用してタスク固有のグリップパー指の設計を自動化することである。
論文 参考訳（メタデータ） (2020-11-12T17:09:36Z) - DrNAS: Dirichlet Neural Architecture Search [88.56953713817545]
ディリクレ分布をモデルとした連続緩和型混合重みをランダム変数として扱う。
最近開発されたパスワイズ微分により、ディリクレパラメータは勾配に基づく一般化で容易に最適化できる。
微分可能なNASの大きなメモリ消費を軽減するために, 単純かつ効果的な進行学習方式を提案する。
論文 参考訳（メタデータ） (2020-06-18T08:23:02Z) - Scalable Tactile Sensing for an Omni-adaptive Soft Robot Finger [15.296478998148443]
そこで本研究では,全方向において例外的な適応性を有するオムニ適応型ソフトロボット指のための光ファイバを用いた組込みセンシングソリューションを提案する。
結果として得られる統合は、物理的に安全な人間とロボットの相互作用のための、多用途で低コストで耐湿性のあるソリューションとしてスケーラブルである。
論文 参考訳（メタデータ） (2020-02-29T21:18:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。