論文の概要: Probabilistic Surface Friction Estimation Based on Visual and Haptic Measurements

• arxiv url: http://arxiv.org/abs/2010.08277v3
• Date: Fri, 12 Mar 2021 15:14:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 21:58:37.092578
• Title: Probabilistic Surface Friction Estimation Based on Visual and Haptic Measurements
• Title（参考訳）: 視覚・触覚計測に基づく表面摩擦の確率的推定
• Authors: Tran Nguyen Le and Francesco Verdoja and Fares J. Abu-Dakka and Ville Kyrki
• Abstract要約: 本研究では, 物体全体の表面摩擦係数を推定できる連接型粘性触覚物体モデルを提案する。 提案手法の有効性は, 実物体の多種多様な摩擦係数を推定し, 提案手法の有効性を示す。
• 参考スコア（独自算出の注目度）: 17.477520575909193
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately modeling local surface properties of objects is crucial to many robotic applications, from grasping to material recognition. Surface properties like friction are however difficult to estimate, as visual observation of the object does not convey enough information over these properties. In contrast, haptic exploration is time consuming as it only provides information relevant to the explored parts of the object. In this work, we propose a joint visuo-haptic object model that enables the estimation of surface friction coefficient over an entire object by exploiting the correlation of visual and haptic information, together with a limited haptic exploration by a robotic arm. We demonstrate the validity of the proposed method by showing its ability to estimate varying friction coefficients on a range of real multi-material objects. Furthermore, we illustrate how the estimated friction coefficients can improve grasping success rate by guiding a grasp planner toward high friction areas.
• Abstract（参考訳）: 物体の局所的表面特性を正確にモデル化することは、把持から物体認識まで、多くのロボットアプリケーションにとって不可欠である。 摩擦のような表面特性は、物体の視覚的な観察がこれらの特性に関する十分な情報を伝達しないため、推定は困難である。 対照的に、触覚探索は対象の探索された部分に関する情報のみを提供するため、時間を要する。 本研究では,ロボットアームによる限られた触覚探索とともに,視覚情報と触覚情報の相関を利用して,物体全体の表面摩擦係数を推定できる関節型粘性触覚物体モデルを提案する。 本研究では, 実多材料対象の摩擦係数の変動を推定する能力を示すことにより, 提案手法の有効性を示す。 さらに, 高い摩擦領域に向けて把握板を案内することにより, 推定摩擦係数が把持成功率を向上できることを示す。

関連論文リスト

• Tailoring Frictional Properties of Surfaces Using Diffusion Models [0.0]
  条件付き生成機械学習モデルを用いて表面摩擦特性を正確に設計する手法を提案する。 分子動力学シミュレーションにより得られた摩擦特性を持つ合成表面のデータセットを作成し、DDPMに所望の摩擦結果から表面構造を予測する訓練を行った。
  論文  参考訳（メタデータ） (2024-01-05T09:15:07Z)
• On the importance of catalyst-adsorbate 3D interactions for relaxed energy predictions [98.70797778496366]
  吸着剤の相対的な位置を無視しながら,OC20データセットの緩和エネルギーを予測できるかどうかを検討する。 結合サイト情報の削除は,期待通りに精度を低下させるが,修正モデルは極めて良好なMAEで緩和エネルギーを予測することができる。
  論文  参考訳（メタデータ） (2023-10-10T14:57:04Z)
• Physics-Based Rigid Body Object Tracking and Friction Filtering From RGB-D Videos [8.012771454339353]
  本稿では,RGB-D画像から剛体物体を3次元追跡し,物体の物理的特性を推定する手法を提案する。 実世界のデータセット上で、我々のアプローチを実証し、評価する。
  論文  参考訳（メタデータ） (2023-09-27T14:46:01Z)
• CRIPP-VQA: Counterfactual Reasoning about Implicit Physical Properties via Video Question Answering [50.61988087577871]
  CRIPP-VQA(CRIPP-VQA)は、シーン内のオブジェクトの暗黙的な物理的特性を推論するための新しいビデオ質問応答データセットである。 CRIPP-VQAには、動作中の物体のビデオが含まれており、反事実的推論に関わる疑問が注がれている。 実験の結果,暗黙的特性に関する疑問に答える上で,驚くべき,重要なパフォーマンスギャップが明らかとなった。
  論文  参考訳（メタデータ） (2022-11-07T18:55:26Z)
• Visual Looming from Motion Field and Surface Normals [0.0]
  織りは、伝統的に観測者の網膜における物体の相対的な拡張として定義され、脅威を認識するための基本的な視覚的キューであり、衝突のないナビゲーションを達成するために使用することができる。 局所表面に対する観測者の6自由度運動から生じる2次元運動場から、視覚的略奪を定量的に得るための新しい解を導出する。 本稿では,光流の空間微分から視覚的略奪を推定するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-10-08T21:36:49Z)
• Learn to Predict How Humans Manipulate Large-sized Objects from Interactive Motions [82.90906153293585]
  本稿では,動きデータと動的記述子を融合させるグラフニューラルネットワークHO-GCNを提案する。 動的記述子を消費するネットワークは、最先端の予測結果が得られ、未確認オブジェクトへのネットワークの一般化に役立つことを示す。
  論文  参考訳（メタデータ） (2022-06-25T09:55:39Z)
• Visual Vibration Tomography: Estimating Interior Material Properties from Monocular Video [66.94502090429806]
  物体の内部の物質特性は、人間の目には見えないが、表面で観察される動きを決定する。 本研究では,物体の表面振動の単分子ビデオから物体の異種材料特性を推定する手法を提案する。
  論文  参考訳（メタデータ） (2021-04-06T18:05:27Z)
• Learning to Slide Unknown Objects with Differentiable Physics Simulations [16.86640234046472]
  本稿では,未知のオブジェクトを初期設定から目標設定にプッシュする手法を提案する。 提案手法は、最近の微分可能な物理モデルの進歩を利用して、押された物体の未知の力学的性質を学習する。
  論文  参考訳（メタデータ） (2020-05-11T21:53:33Z)
• Identifying Mechanical Models through Differentiable Simulations [16.86640234046472]
  本稿では,未知の物体を非包括的動作によって操作する新しい手法を提案する。 提案手法は、微分可能な物理モデルの最近の進歩を利用して、操作対象の未知の力学的性質を同定する。
  論文  参考訳（メタデータ） (2020-05-11T20:19:20Z)
• Occlusion resistant learning of intuitive physics from videos [52.25308231683798]
  人工システムの鍵となる能力は、オブジェクト間の物理的相互作用を理解し、状況の将来的な結果を予測することである。 この能力は直感的な物理学と呼ばれ、近年注目されており、ビデオシーケンスからこれらの物理規則を学ぶためのいくつかの方法が提案されている。
  論文  参考訳（メタデータ） (2020-04-30T19:35:54Z)
• Visual Grounding of Learned Physical Models [66.04898704928517]
  人間は、物体の物理的特性を直感的に認識し、複雑な相互作用に従事している場合でも、その動きを予測する。 我々は、物理を同時に推論し、視覚と力学の先行に基づく将来の予測を行うニューラルモデルを提案する。 実験により、我々のモデルはいくつかの観測範囲内で物理的特性を推測できることが示され、モデルが目に見えないシナリオに迅速に適応し、将来正確な予測を行うことができる。
  論文  参考訳（メタデータ） (2020-04-28T17:06:38Z)

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。