論文の概要: Learning Vision-based Reactive Policies for Obstacle Avoidance

• arxiv url: http://arxiv.org/abs/2010.16298v1
• Date: Fri, 30 Oct 2020 14:50:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 16:01:15.610962
• Title: Learning Vision-based Reactive Policies for Obstacle Avoidance
• Title（参考訳）: 障害回避のための学習ビジョンに基づくリアクティブポリシ
• Authors: Elie Aljalbout and Ji Chen and Konstantin Ritt and Maximilian Ulmer and Sami Haddadin
• Abstract要約: ロボットマニピュレータの視覚に基づく障害物回避は、知覚と運動の生成の両方に課題をもたらす。 本稿では,視覚入力と対応する動作表現の関係を同定し,知覚と動きを結びつける枠組みを提案する。 提案手法は,安定した障害物回避戦略を高い成功率で効率的に学習する能力を示す。
• 参考スコア（独自算出の注目度）: 15.135439507187801
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we address the problem of vision-based obstacle avoidance for robotic manipulators. This topic poses challenges for both perception and motion generation. While most work in the field aims at improving one of those aspects, we provide a unified framework for approaching this problem. The main goal of this framework is to connect perception and motion by identifying the relationship between the visual input and the corresponding motion representation. To this end, we propose a method for learning reactive obstacle avoidance policies. We evaluate our method on goal-reaching tasks for single and multiple obstacles scenarios. We show the ability of the proposed method to efficiently learn stable obstacle avoidance strategies at a high success rate, while maintaining closed-loop responsiveness required for critical applications like human-robot interaction.
• Abstract（参考訳）: 本稿では,ロボットマニピュレータにおける視覚的障害物回避の問題に対処する。 この話題は知覚と運動の生成の両方に課題をもたらす。 この分野の作業の多くは、これらの側面の1つを改善することを目的としていますが、この問題に取り組むための統一的なフレームワークを提供します。 このフレームワークの主な目標は、視覚入力と対応する動き表現の関係を識別することで、知覚と動きを結びつけることである。 そこで本研究では,リアクティブ障害回避ポリシーを学習する手法を提案する。 単一障害および複数障害シナリオに対する目標到達タスクの手法を評価した。 提案手法は,人間とロボットのインタラクションのような重要なアプリケーションに必要な閉ループ応答性を維持しつつ,高い成功率で安定した障害物回避戦略を効率的に学習する能力を示す。

関連論文リスト

• Learning to Assist Humans without Inferring Rewards [65.28156318196397]
  我々は、エンパワーメントのレンズを通して支援を研究する先行研究に基づいて構築する。 補助剤は、人間の行動の影響を最大化することを目的としている。 これらの表現は、先行研究と類似したエンパワーメントの概念を推定する。
  論文  参考訳（メタデータ） (2024-11-04T21:31:04Z)
• Physically Plausible Full-Body Hand-Object Interaction Synthesis [32.83908152822006]
  そこで本研究では,全体で手-物体間相互作用を合成するための物理に基づく手法を提案する。 既存のメソッドは、しばしば相互作用プロセスの分離されたセグメントにフォーカスし、成果物をもたらす可能性のあるデータ駆動技術に依存します。
  論文  参考訳（メタデータ） (2023-09-14T17:55:18Z)
• Learning to Generate All Feasible Actions [4.333208181196761]
  アクションマッピングは、学習プロセスを2つのステップに分割する新しいアプローチである。 本稿では、実現可能性モデルの自己教師型クエリにより、実現可能なすべてのアクションを生成することを学ぶことで、実現可能性部分に焦点を当てる。 エージェントが接続不能な実行可能なアクションセット間でアクションを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-01-26T23:15:51Z)
• Contact-Aware Retargeting of Skinned Motion [49.71236739408685]
  本稿では,自己接触を保存し,相互接続を防止する動作推定手法を提案する。 入力運動における自己接触と接地を同定し、出力骨格に適用するための動作を最適化する。 実験では,従来の手法を定量的に上回り,近年の成果よりも高い品質で再ターゲットされた動きを評価できるユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-09-15T17:05:02Z)
• Seeing Differently, Acting Similarly: Imitation Learning with Heterogeneous Observations [126.78199124026398]
  多くの実世界の模倣学習タスクでは、デモレーターと学習者は異なるが完全な観察空間で行動しなければならない。 本研究では、上記の学習問題を異種観察学習(HOIL)としてモデル化する。 本稿では,重要度重み付け,拒否学習,アクティブクエリに基づくIWREアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-17T05:44:04Z)
• Decentralized Swarm Collision Avoidance for Quadrotors via End-to-End Reinforcement Learning [28.592704336574158]
  我々は、スターリングの群れから生物学的インスピレーションを受け、その洞察をエンドツーエンドの学習された分散衝突回避に適用する。 生体模倣トポロジカル相互作用規則に基づく新しいスケーラブルな観測モデルを提案する。 学習したポリシーはシミュレーションでテストされ、その後実世界のドローンに転送され、実世界の応用性を検証する。
  論文  参考訳（メタデータ） (2021-04-30T11:19:03Z)
• Vision-Based Mobile Robotics Obstacle Avoidance With Deep Reinforcement Learning [49.04274612323564]
  障害物回避は、移動ロボットの自律ナビゲーションのための根本的かつ困難な問題です。 本稿では,ロボットが単一眼カメラにのみ依存しなければならない単純な3D環境における障害物回避の問題を検討する。 データ駆動型エンドツーエンドディープラーニングアプローチとして,障害回避問題に取り組む。
  論文  参考訳（メタデータ） (2021-03-08T13:05:46Z)
• Behavior Priors for Efficient Reinforcement Learning [97.81587970962232]
  本稿では,情報とアーキテクチャの制約を,確率論的モデリング文献のアイデアと組み合わせて行動の事前学習を行う方法について考察する。 このような潜伏変数の定式化が階層的強化学習(HRL)と相互情報と好奇心に基づく目的との関係について論じる。 シミュレーションされた連続制御領域に適用することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2020-10-27T13:17:18Z)
• Learning Obstacle Representations for Neural Motion Planning [70.80176920087136]
  学習の観点から,センサを用いたモーションプランニングに対処する。 近年の視覚認識の進歩により,運動計画における適切な表現の学習の重要性が議論されている。 本稿では,PointNetアーキテクチャに基づく新しい障害物表現を提案し,障害物回避ポリシーと共同で学習する。
  論文  参考訳（メタデータ） (2020-08-25T17:12:32Z)

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。