論文の概要: Enabling the Sense of Self in a Dual-Arm Robot

• arxiv url: http://arxiv.org/abs/2011.07026v1
• Date: Fri, 13 Nov 2020 17:25:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 00:29:24.550364
• Title: Enabling the Sense of Self in a Dual-Arm Robot
• Title（参考訳）: デュアルアームロボットにおける自己感覚の実現
• Authors: Ali AlQallaf, Gerardo Aragon-Camarasa
• Abstract要約: 本稿では、デュアルアームロボットが環境中で自身の感覚を得ることを可能にするニューラルネットワークアーキテクチャを提案する。 本研究では, 環境条件が乱れた場合, ロボットが平均88.7%の精度で自分自身を識別できることを実験的に実証した。
• 参考スコア（独自算出の注目度）: 2.741266294612776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While humans are aware of their body and capabilities, robots are not. To address this, we present in this paper a neural network architecture that enables a dual-arm robot to get a sense of itself in an environment. Our approach is inspired by human self-awareness developmental levels and serves as the underlying building block for a robot to achieve awareness of itself while carrying out tasks in an environment. We assume that a robot has to know itself before interacting with the environment in order to be able to support different robotic tasks. Hence, we implemented a neural network architecture to enable a robot to differentiate its limbs from the environment using visual and proprioception sensory inputs. We demonstrate experimentally that a robot can distinguish itself with an accuracy of 88.7% on average in cluttered environmental settings and under confounding input signals.
• Abstract（参考訳）: 人間は体と能力を知っているが、ロボットはそうではない。 そこで,本稿では,双腕ロボットが環境の中で自身の感覚を得ることを可能にするニューラルネットワークアーキテクチャを提案する。 我々のアプローチは、人間の自己認識発達レベルにインスパイアされ、ロボットが環境の中でタスクを実行しながら自己認識を実現するための基盤となるビルディングブロックとして機能する。 異なるロボットタスクをサポートするためには、ロボットが環境と対話する前に自分自身を知る必要があると仮定する。 そこで我々は,ロボットが視覚・受動感覚入力を用いて手足と環境を区別できるように,ニューラルネットワークアーキテクチャを実装した。 ロボットは, 環境条件や入力信号の結合下で, 平均88.7%の精度で自己を識別できることを実験的に実証した。

関連論文リスト

• Growing from Exploration: A self-exploring framework for robots based on foundation models [13.250831101705694]
  我々は、ロボットが人間の介入なしに自律的に探索し学習することを可能にするGExpというフレームワークを提案する。 幼児が世界と対話する方法に触発されて、GExpはロボットに、一連の自己生成タスクで環境を理解し、探索するように促す。
  論文  参考訳（メタデータ） (2024-01-24T14:04:08Z)
• Correspondence learning between morphologically different robots via task demonstrations [2.1374208474242815]
  形態の異なる2つ以上のロボットの対応関係を学習する手法を提案する。 本提案手法では,関節制御付き固定ベースマニピュレータロボットと差動駆動移動ロボットとが対応可能である。 本研究では,実際のマニピュレータロボットとシミュレートされた移動ロボットとの対応学習の概念実証を行う。
  論文  参考訳（メタデータ） (2023-10-20T12:42:06Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Knowledge-Driven Robot Program Synthesis from Human VR Demonstrations [16.321053835017942]
  バーチャルリアリティ(VR)におけるヒューマンタスクの実演から実行可能なロボット制御プログラムを自動生成するシステムを提案する。 我々は、人間のVRデモを意味論的に解釈するために、常識知識とゲームエンジンに基づく物理を利用する。 ロボットショッピングアシスタントにおける力覚的フェッチ・アンド・プレイスという文脈でのアプローチを実証する。
  論文  参考訳（メタデータ） (2023-06-05T09:37:53Z)
• HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
  本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。 本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-08T15:56:13Z)
• See, Hear, and Feel: Smart Sensory Fusion for Robotic Manipulation [49.925499720323806]
  視覚的、聴覚的、触覚的知覚が、ロボットが複雑な操作タスクを解くのにどのように役立つかを研究する。 私たちは、カメラで見たり、コンタクトマイクで聞いたり、視覚ベースの触覚センサーで感じるロボットシステムを構築しました。
  論文  参考訳（メタデータ） (2022-12-07T18:55:53Z)
• Robots with Different Embodiments Can Express and Influence Carefulness in Object Manipulation [104.5440430194206]
  本研究では,2つのロボットによるコミュニケーション意図による物体操作の知覚について検討する。 ロボットの動きを設計し,物体の搬送時に注意を喚起するか否かを判断した。
  論文  参考訳（メタデータ） (2022-08-03T13:26:52Z)
• Design and Development of Autonomous Delivery Robot [0.16863755729554888]
  私たちは、VNITキャンパス内のパッケージを人間の通信なしで配信する自律移動ロボットプラットフォームを提示します。 この論文では、屋外環境で働く自律ロボットのパイプライン全体について説明する。
  論文  参考訳（メタデータ） (2021-03-16T17:57:44Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• Sensorimotor representation learning for an "active self" in robots: A model survey [10.649413494649293]
  人間では、これらの能力は宇宙で私たちの身体を知覚する能力と関連していると考えられている。 本稿では,これらの能力の発達過程について概説する。 人工エージェントにおける自己感覚の出現を可能にする理論計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-25T16:31:01Z)
• SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
  SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。 部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
  論文  参考訳（メタデータ） (2020-03-19T00:11:34Z)

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。