論文の概要: Tracking Partially-Occluded Deformable Objects while Enforcing Geometric
Constraints
- arxiv url: http://arxiv.org/abs/2011.00627v1
- Date: Sun, 1 Nov 2020 21:13:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 23:57:35.570590
- Title: Tracking Partially-Occluded Deformable Objects while Enforcing Geometric
Constraints
- Title（参考訳）: 幾何制約付き部分閉塞変形物体の追跡
- Authors: Yixuan Wang, Dale McConachie, Dmitry Berenson
- Abstract要約: 我々は、変形可能な物体の追跡を支援するために、高忠実度物理シミュレーションを構築した。
我々はRGBD画像と幾何運動推定に基づいてオブジェクトに焦点を当てる。
コントリビューションにより、従来の手法よりも精度の面で大きなマージンを達成できます。
- 参考スコア（独自算出の注目度）: 11.247580943940916
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In order to manipulate a deformable object, such as rope or cloth, in
unstructured environments, robots need a way to estimate its current shape.
However, tracking the shape of a deformable object can be challenging because
of the object's high flexibility, (self-)occlusion, and interaction with
obstacles. Building a high-fidelity physics simulation to aid in tracking is
difficult for novel environments. Instead we focus on tracking the object based
on RGBD images and geometric motion estimates and obstacles. Our key
contributions over previous work in this vein are: 1) A better way to handle
severe occlusion by using a motion model to regularize the tracking estimate;
and 2) The formulation of \textit{convex} geometric constraints, which allow us
to prevent self-intersection and penetration into known obstacles via a
post-processing step. These contributions allow us to outperform previous
methods by a large margin in terms of accuracy in scenarios with severe
occlusion and obstacles.
- Abstract（参考訳）: ロープや布などの変形可能な物体を非構造環境で操作するには、ロボットが現在の形状を推定する方法が必要である。
しかし、物体の柔軟性、(自己)閉塞性、障害物との相互作用のため、変形可能な物体の形状を追跡することは困難である。
トラッキングを支援する高忠実度物理シミュレーションの構築は,新しい環境において困難である。
代わりに、rgbdイメージと幾何運動推定と障害物に基づくオブジェクトのトラッキングにフォーカスします。
この分野でのこれまでの仕事に対する私たちの重要な貢献は
1) 追従推定を定式化する運動モデルを用いて, 重度の咬合に対処するためのより良い方法
2) {\displaystyle \textit{convex} 幾何制約の定式化により,後処理ステップを通じて自己交叉や既知の障害物への侵入を防止できる。
これらの貢献により、厳密な閉塞や障害のあるシナリオにおいて、精度の面で、従来の手法よりも大きなマージンを達成できる。
関連論文リスト
- Articulated Object Manipulation using Online Axis Estimation with SAM2-Based Tracking [59.87033229815062]
アーティキュレートされたオブジェクト操作は、オブジェクトの軸を慎重に考慮する必要がある、正確なオブジェクトインタラクションを必要とする。
従来の研究では、対話的な知覚を用いて関節のある物体を操作するが、通常、オープンループのアプローチは相互作用のダイナミクスを見渡すことに悩まされる。
本稿では,対話的知覚と3次元点雲からのオンライン軸推定を統合したクローズドループパイプラインを提案する。
論文 参考訳（メタデータ） (2024-09-24T17:59:56Z) - Dynamic Position Transformation and Boundary Refinement Network for Left Atrial Segmentation [17.09918110723713]
左心房細動は不整脈(心房細動)の診断において重要な手法である。
LAセグメンテーションの現在のほとんどの方法は、入力データがオブジェクト指向のセンタートリミングによって取得されると厳密に仮定している。
本稿では,これらの問題に対処するための新しい動的位置変換と境界改善ネットワーク(DPBNet)を提案する。
論文 参考訳（メタデータ） (2024-07-07T22:09:35Z) - Learning Extrinsic Dexterity with Parameterized Manipulation Primitives [8.7221770019454]
我々は、オブジェクトのポーズを変えるために環境を利用する一連のアクションを学習する。
我々のアプローチは、オブジェクトとグリップと環境の間の相互作用を利用してオブジェクトの状態を制御することができる。
拘束されたテーブルトップワークスペースから様々な重量,形状,摩擦特性の箱状物体を選別する手法の評価を行った。
論文 参考訳（メタデータ） (2023-10-26T21:28:23Z) - DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via
Physics Simulation [81.11585774044848]
我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。
提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
論文 参考訳（メタデータ） (2023-10-11T05:34:36Z) - Decaf: Monocular Deformation Capture for Face and Hand Interactions [77.75726740605748]
本稿では,単眼のRGBビデオから人間の顔と対話する人間の手を3Dで追跡する手法を提案する。
動作中の非剛性面の変形を誘発する定形物体として手をモデル化する。
本手法は,マーカーレスマルチビューカメラシステムで取得した現実的な顔変形を伴う手動・インタラクションキャプチャーデータセットに頼っている。
論文 参考訳（メタデータ） (2023-09-28T17:59:51Z) - Planning with Spatial-Temporal Abstraction from Point Clouds for
Deformable Object Manipulation [64.00292856805865]
空間抽象と時間抽象の両方を組み込んだ空間抽象型PlAnning(PASTA)を提案する。
我々のフレームワークは,高次元の3次元観測を潜時ベクトルの集合にマッピングし,潜時集合表現の上のスキルシーケンスを計画する。
本手法は,実世界のオブジェクト操作を効果的に行うことができることを示す。
論文 参考訳（メタデータ） (2022-10-27T19:57:04Z) - Deformable One-Dimensional Object Detection for Routing and Manipulation [8.860083597706502]
本稿では, 交差や閉塞を扱える変形可能な一次元物体の検出手法を提案する。
本アルゴリズムは, 変形可能な物体を含む画像を取得し, 受動球面継手に接続された固定長円筒セグメントの連鎖を出力する。
実験と実験により, 様々な複雑な条件下で変形可能な一次元物体を正確に検出できることが判明した。
論文 参考訳（メタデータ） (2022-01-18T07:19:17Z) - A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation [59.29922697476789]
本稿では,変形可能な物体の状態を分布埋め込みとして表現する手法を用いて,画像列から状態情報を抽出する手法を提案する。
実験により, 弾性, 摩擦, スケールなどの物性の後方分布を, 布やロープなどの高変形性物体で推定できることが確認された。
論文 参考訳（メタデータ） (2021-12-09T17:50:54Z) - Localization and Tracking of User-Defined Points on Deformable Objects
for Robotic Manipulation [0.0]
本稿では,変形可能なオブジェクトの表面上のユーザ定義点をローカライズする効率的な手法を提案する。
複数ステップの非線形ソルバパイプラインを用いて,実行時に推定される離散化変形場を提案する。
本手法は, 産業生産プロセスにおける非剛体物体の認識に最適であるように, データ並列方式でオンラインのローカライズ問題を解くことができる。
論文 参考訳（メタデータ） (2021-05-19T11:25:33Z) - Scalable Differentiable Physics for Learning and Control [99.4302215142673]
微分物理学は、物理的対象や環境を含む問題を学習し、制御するための強力なアプローチである。
我々は、多数のオブジェクトとその相互作用をサポートすることができる微分可能物理学のためのスケーラブルなフレームワークを開発する。
論文 参考訳（メタデータ） (2020-07-04T19:07:51Z)
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。