論文の概要: Reactive Human-to-Robot Handovers of Arbitrary Objects

• arxiv url: http://arxiv.org/abs/2011.08961v2
• Date: Thu, 3 Jun 2021 20:48:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 17:32:06.795731
• Title: Reactive Human-to-Robot Handovers of Arbitrary Objects
• Title（参考訳）: 任意物体の反応型人間-ロボットハンドオーバ
• Authors: Wei Yang, Chris Paxton, Arsalan Mousavian, Yu-Wei Chao, Maya Cakmak, Dieter Fox
• Abstract要約: 本稿では、未知の物体の人間とロボットのハンドオーバを可能にするビジョンベースシステムを提案する。 提案手法は,クローズドループ運動計画とリアルタイムかつ時間的に一貫性のあるグリップ生成を組み合わせたものである。 提案手法の汎用性,ユーザビリティ,ロバスト性を,26種類の家庭用オブジェクトからなる新しいベンチマークで実証した。
• 参考スコア（独自算出の注目度）: 57.845894608577495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-robot object handovers have been an actively studied area of robotics over the past decade; however, very few techniques and systems have addressed the challenge of handing over diverse objects with arbitrary appearance, size, shape, and rigidity. In this paper, we present a vision-based system that enables reactive human-to-robot handovers of unknown objects. Our approach combines closed-loop motion planning with real-time, temporally-consistent grasp generation to ensure reactivity and motion smoothness. Our system is robust to different object positions and orientations, and can grasp both rigid and non-rigid objects. We demonstrate the generalizability, usability, and robustness of our approach on a novel benchmark set of 26 diverse household objects, a user study with naive users (N=6) handing over a subset of 15 objects, and a systematic evaluation examining different ways of handing objects. More results and videos can be found at https://sites.google.com/nvidia.com/handovers-of-arbitrary-objects.
• Abstract（参考訳）: 人間ロボットのオブジェクトハンドオーバは、過去10年間、ロボット工学の活発な研究領域であったが、任意の外観、大きさ、形状、剛性を持つ多様なオブジェクトを渡すという課題に対処する技術やシステムはほとんどない。 本稿では,未知物体の人間対ロボットハンドオーバを可能にするビジョンベースシステムを提案する。 本手法は,閉ループ運動計画とリアルタイムかつ時間的一貫性のある把持生成を組み合わせることで,反応性と運動の円滑性を確保する。 我々のシステムは、異なる物体の位置と向きに頑健であり、剛性オブジェクトと非剛性オブジェクトの両方を把握できる。 提案手法の汎用性,ユーザビリティ,ロバスト性について,26種類の家庭用オブジェクトの新しいベンチマークセット,15個のオブジェクトのサブセットを渡すナイーブユーザ (n=6) によるユーザスタディ,さまざまなオブジェクトのハンドリング方法に関する体系的な評価を行った。 さらなる結果とビデオはhttps://sites.google.com/nvidia.com/handovers-of-arbitrary-objectsで見ることができる。

関連論文リスト

• Learning Object Properties Using Robot Proprioception via Differentiable Robot-Object Interaction [52.12746368727368]
  微分可能シミュレーションは、システム識別の強力なツールとなっている。 本手法は,オブジェクト自体のデータに頼ることなく,ロボットからの情報を用いてオブジェクト特性を校正する。 低コストなロボットプラットフォームにおける本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-04T20:48:38Z)
• Teaching Unknown Objects by Leveraging Human Gaze and Augmented Reality in Human-Robot Interaction [3.1473798197405953]
  この論文は、人間-ロボットインタラクション(HRI)の文脈で未知の物体を教えることを目的としている。 視線追跡と拡張現実(Augmented Reality)を組み合わせることで、人間の教師がロボットとコミュニケーションできる強力なシナジーが生まれました。 ロボットの物体検出能力は、広範囲なデータセットで訓練された最先端の物体検出器に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2023-12-12T11:34:43Z)
• DexTransfer: Real World Multi-fingered Dexterous Grasping with Minimal Human Demonstrations [51.87067543670535]
  本研究では,少数の人間によるデモンストレーションを行い,見えない物体のポーズを学習するロボット学習システムを提案する。 我々は,物体の点群を入力として捉え,物体を異なる初期ロボット状態から把握するための連続的な動作を予測する,厳密な把握ポリシーを訓練する。 我々のデータセットから学んだポリシーは、シミュレーションと現実世界の両方で見えないオブジェクトのポーズをうまく一般化することができる。
  論文  参考訳（メタデータ） (2022-09-28T17:51:49Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• Property-Aware Robot Object Manipulation: a Generative Approach [57.70237375696411]
  本研究では,操作対象の隠れた特性に適応したロボットの動きを生成する方法に焦点を当てた。 本稿では,ジェネレーティブ・アドバイサル・ネットワークを利用して,オブジェクトの特性に忠実な新しいアクションを合成する可能性について検討する。 以上の結果から,ジェネレーティブ・アドバイサル・ネットは,新規かつ有意義な輸送行動を生み出すための強力なツールとなる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-06-08T14:15:36Z)
• Simultaneous Multi-View Object Recognition and Grasping in Open-Ended Domains [0.0]
  オープンなオブジェクト認識と把握を同時に行うために,メモリ容量を増強したディープラーニングアーキテクチャを提案する。 シミュレーションと実世界設定の両方において,本手法が未確認のオブジェクトを把握し,現場でのごくわずかな例を用いて,新たなオブジェクトカテゴリを迅速に学習できることを実証する。
  論文  参考訳（メタデータ） (2021-06-03T14:12:11Z)
• OmniHang: Learning to Hang Arbitrary Objects using Contact Point Correspondences and Neural Collision Estimation [14.989379991558046]
  本稿では,対象物と支援対象物の部分点雲を入力として入力し,対象物を安定して吊るす場所と方法を決定するシステムを提案する。 本システムは,対象物と支援物との接触点対応を推定し,安定なポーズを推定する。 そしてロボットは、物体を最初のポーズから安定したハングポーズに移動する、衝突のない経路を見つける必要がある。
  論文  参考訳（メタデータ） (2021-03-26T06:11:05Z)
• Object Detection and Pose Estimation from RGB and Depth Data for Real-time, Adaptive Robotic Grasping [0.0]
  動的ロボットの把握を目的として,リアルタイム物体検出とポーズ推定を行うシステムを提案する。 提案されたアプローチは、ロボットが物体のアイデンティティとその実際のポーズを検出し、新しいポーズで使用するために正準の把握を適応させることを可能にする。 訓練のためのシステムは、ロボットの手首に取り付けられたグリッパーに対する対象の相対的な姿勢を捉えることで、標準的な把握を定義する。 テスト中、新しいポーズが検出されると、物体の正準的な把握が識別され、ロボットアームの関節角度を調整して動的に適応されます。
  論文  参考訳（メタデータ） (2021-01-18T22:22:47Z)
• Human Grasp Classification for Reactive Human-to-Robot Handovers [50.91803283297065]
  本稿では,ロボットが人間に遭遇するロボットのハンドオーバに対するアプローチを提案する。 対象物をさまざまな手形やポーズで保持する典型的な方法をカバーする,人間の把握データセットを収集する。 本稿では,検出した把握位置と手の位置に応じて人手から対象物を取り出す計画実行手法を提案する。
  論文  参考訳（メタデータ） (2020-03-12T19:58:03Z)

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。