論文の概要: Interactive Movement Primitives: Planning to Push Occluding Pieces for
Fruit Picking
- arxiv url: http://arxiv.org/abs/2004.12916v2
- Date: Fri, 25 Sep 2020 11:31:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 05:48:51.625616
- Title: Interactive Movement Primitives: Planning to Push Occluding Pieces for
Fruit Picking
- Title(参考訳): インタラクティブムーブメントプリミティブ:果実摘みのためのオクルディングピースをプッシュする計画
- Authors: Sariah Mghames, Marc Hanheide and Amir Ghalamzan E
- Abstract要約: そこで本研究では,果実を熟すための経路計画アルゴリズムを提案する。
提案手法であるInteractive Probabilistic Movement Primitives (I-ProMP) は計算コストが高くない。
実験結果から,I-ProMPはイチゴの表皮を圧搾し,熟した状態に達することが確認された。
- 参考スコア(独自算出の注目度): 3.8480262599041413
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Robotic technology is increasingly considered the major mean for fruit
picking. However, picking fruits in a dense cluster imposes a challenging
research question in terms of motion/path planning as conventional planning
approaches may not find collision-free movements for the robot to
reach-and-pick a ripe fruit within a dense cluster. In such cases, the robot
needs to safely push unripe fruits to reach a ripe one. Nonetheless, existing
approaches to planning pushing movements in cluttered environments either are
computationally expensive or only deal with 2-D cases and are not suitable for
fruit picking, where it needs to compute 3-D pushing movements in a short time.
In this work, we present a path planning algorithm for pushing occluding fruits
to reach-and-pick a ripe one. Our proposed approach, called Interactive
Probabilistic Movement Primitives (I-ProMP), is not computationally expensive
(its computation time is in the order of 100 milliseconds) and is readily used
for 3-D problems. We demonstrate the efficiency of our approach with pushing
unripe strawberries in a simulated polytunnel. Our experimental results confirm
I-ProMP successfully pushes table top grown strawberries and reaches a ripe
one.
- Abstract(参考訳): ロボット技術は、果物を摘むための主要な手段と考えられている。
しかし、密集クラスタ内で果実を摘むことは、従来の計画手法では、密集クラスタ内で熟した果実に到達する衝突のない動きが見つからないため、動き/経路計画の観点から難しい研究課題を課している。
このような場合、ロボットは熟していない果物を安全に押して熟す必要がある。
それにもかかわらず、雑然とした環境での推進運動を計画するための既存のアプローチは計算コストが高いか、2次元のケースのみに対応しており、短期間で3次元のプッシュ動作を計算する必要があるフルーツピッキングには適していない。
そこで本研究では,果実を熟した果実に手を伸ばして収穫する経路計画法を提案する。
提案手法は対話的確率的運動プリミティブ(i-promp)と呼ばれ,計算コストは高くない(計算時間は100ミリ秒のオーダーである)。
我々は,イチゴをシミュレートしたポリトンネルで押すことで,このアプローチの効率を実証する。
実験結果から,I-ProMPはイチゴの表皮を圧搾し,熟成させた。
関連論文リスト
- Horticultural Temporal Fruit Monitoring via 3D Instance Segmentation and Re-Identification using Point Clouds [29.23207854514898]
本稿では,温室で収集した点群に時間とともに対処する,時間的果実モニタリングのための新しいアプローチを提案する。
本手法は,学習に基づくインスタンスセグメンテーション手法を用いて実の節分をポイントクラウド上で直接行う。
実のイチゴのデータセットを用いた実験結果から,本手法は果実の再同定方法よりも優れていることが示された。
論文 参考訳(メタデータ) (2024-11-12T13:53:22Z) - Neural MP: A Generalist Neural Motion Planner [75.82675575009077]
運動計画問題にデータ駆動学習を大規模に適用することで,これを実現する。
提案手法は, シミュレーションの複雑なシーンを多数構築し, モーションプランナーから専門家のデータを収集し, 反応的なジェネラリストポリシーに抽出する。
我々は,4つの異なる環境における64の動作計画タスクについて,その方法の徹底的な評価を行う。
論文 参考訳(メタデータ) (2024-09-09T17:59:45Z) - Track2Act: Predicting Point Tracks from Internet Videos enables Generalizable Robot Manipulation [65.46610405509338]
我々は、ゼロショットロボット操作を可能にする汎用的な目標条件ポリシーを学習することを目指している。
私たちのフレームワークであるTrack2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。
学習したトラック予測を残留ポリシーと組み合わせることで,多種多様な汎用ロボット操作が可能となることを示す。
論文 参考訳(メタデータ) (2024-05-02T17:56:55Z) - Key Point-based Orientation Estimation of Strawberries for Robotic Fruit
Picking [8.657107511095242]
本稿では,2次元画像から直接3次元方向を予測できるキーポイント型果物配向推定手法を提案する。
提案手法は, 平均誤差を8円程度に抑え, 従来よりも$sim30%の予測精度を向上する。
論文 参考訳(メタデータ) (2023-10-17T15:12:11Z) - AI planning in the imagination: High-level planning on learned abstract
search spaces [68.75684174531962]
我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。
本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
論文 参考訳(メタデータ) (2023-08-16T22:47:16Z) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳(メタデータ) (2023-07-16T19:44:27Z) - Autonomous Strawberry Picking Robotic System (Robofruit) [1.290382979353427]
我々は,イチゴを様々な特徴で収穫できる新システムを開発した。
この機能は、高密度クラスタなど、非常に複雑なピックシナリオを扱うことを可能にする。
さらに,イチゴをローカライズし,そのキーポイント,ピックポイントを検出し,熟度を決定する新しい認識システムを開発した。
論文 参考訳(メタデータ) (2023-01-10T13:02:23Z) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳(メタデータ) (2022-12-29T19:32:20Z) - Autonomous Apple Fruitlet Sizing and Growth Rate Tracking using Computer
Vision [6.303112417588331]
本稿では,リンゴ果実の大きさと生育速度をコンピュータビジョンで測定する手法を提案する。
成長率を得ることの現在の習慣は、数日間にわたって果物の粒度を記録するためにキャリパーを使うことである。
提案システムは,現行手法の3.5%以内において,6倍の速度向上を達成できることを示す。
論文 参考訳(メタデータ) (2022-12-03T01:59:46Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳(メタデータ) (2022-07-04T13:52:10Z) - Geometry-Aware Fruit Grasping Estimation for Robotic Harvesting in
Orchards [6.963582954232132]
幾何認識ネットワークであるA3Nは、エンドツーエンドのインスタンスセグメンテーションと把握推定を行うために提案されている。
我々は,フィールド環境下での果実の認識と検索をロボットが正確に行うことができるグローバル・ローカル・スキャン・ストラテジーを実装した。
全体として、ロボットシステムは、収穫実験において70%から85%の範囲で収穫の成功率を達成する。
論文 参考訳(メタデータ) (2021-12-08T16:17:26Z)
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。