論文の概要: Mobile Robot Planner with Low-cost Cameras Using Deep Reinforcement
Learning
- arxiv url: http://arxiv.org/abs/2012.11160v1
- Date: Mon, 21 Dec 2020 07:30:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:19:50.784066
- Title: Mobile Robot Planner with Low-cost Cameras Using Deep Reinforcement
Learning
- Title(参考訳): 深部強化学習を用いた低コストカメラを用いた移動ロボットプランナ
- Authors: Minh Q. Tran, Ngoc Q. Ly
- Abstract要約: 本研究は、深層強化学習に基づくロボットモビリティポリシーを開発する。
ロボットを市場に投入するためには、低コストの大量生産も課題だ。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study develops a robot mobility policy based on deep reinforcement
learning. Since traditional methods of conventional robotic navigation depend
on accurate map reproduction as well as require high-end sensors,
learning-based methods are positive trends, especially deep reinforcement
learning. The problem is modeled in the form of a Markov Decision Process (MDP)
with the agent being a mobile robot. Its state of view is obtained by the input
sensors such as laser findings or cameras and the purpose is navigating to the
goal without any collision. There have been many deep learning methods that
solve this problem. However, in order to bring robots to market, low-cost mass
production is also an issue that needs to be addressed. Therefore, this work
attempts to construct a pseudo laser findings system based on direct depth
matrix prediction from a single camera image while still retaining stable
performances. Experiment results show that they are directly comparable with
others using high-priced sensors.
- Abstract(参考訳): 本研究は、深層強化学習に基づくロボット移動政策を開発する。
従来のロボットナビゲーションの方法は、正確な地図再現とハイエンドセンサーを必要とするため、学習に基づく方法はポジティブな傾向であり、特に深層強化学習である。
この問題はマルコフ決定プロセス(MDP)の形でモデル化され、エージェントは移動ロボットである。
その視点はレーザーアイソレーションやカメラなどの入力センサーによって得られ、目的が衝突することなく目標に向かって移動することである。
この問題を解決する深層学習手法は数多く存在する。
しかし、ロボットを市場に投入するためには、低コストの大量生産も課題となる。
そこで本研究では,安定性能を維持しつつ,単一カメラ画像からの直接深度行列予測に基づく擬似レーザ発見システムの構築を試みた。
実験の結果、他のセンサーと直接比較できることがわかった。
関連論文リスト
- Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳(メタデータ) (2022-04-15T08:12:15Z) - REvolveR: Continuous Evolutionary Models for Robot-to-robot Policy
Transfer [57.045140028275036]
本研究では,運動学や形態学など,異なるパラメータを持つ2つの異なるロボット間でポリシーを伝達する問題を考察する。
模倣学習手法を含む動作や状態遷移の分布を一致させることで、新しいポリシーを訓練する既存のアプローチは、最適な動作や/または状態分布が異なるロボットでミスマッチしているために失敗する。
本稿では,物理シミュレータに実装されたロボット政策伝達に連続的進化モデルを用いることで,$RevolveR$という新しい手法を提案する。
論文 参考訳(メタデータ) (2022-02-10T18:50:25Z) - Memory-based gaze prediction in deep imitation learning for robot
manipulation [2.857551605623957]
提案アルゴリズムは、逐次データに基づく視線推定にTransformerベースの自己アテンションアーキテクチャを用いてメモリを実装している。
提案手法は,従来の状態の記憶を必要とする実ロボット多目的操作タスクを用いて評価した。
論文 参考訳(メタデータ) (2022-02-10T07:30:08Z) - Look Closer: Bridging Egocentric and Third-Person Views with
Transformers for Robotic Manipulation [15.632809977544907]
視覚フィードバックから精度に基づく操作タスクを解くことは、従来のロボットシステムに必要なエンジニアリング労力を大幅に削減する可能性がある。
ロボットの手首に装着した3人称カメラと自我中心カメラの両方から視覚フィードバックを受けるロボット操作のための設定を提案する。
また,両カメラの視覚情報を効果的に融合するために,クロスビューアテンション機構を備えたトランスフォーマーを提案する。
論文 参考訳(メタデータ) (2022-01-19T18:39:03Z) - CNN-based Omnidirectional Object Detection for HermesBot Autonomous
Delivery Robot with Preliminary Frame Classification [53.56290185900837]
予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。
周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
論文 参考訳(メタデータ) (2021-10-22T15:05:37Z) - Robot Localization and Navigation through Predictive Processing using
LiDAR [0.0]
本稿では,レーザーセンサを用いた位置認識とナビゲーションに応用した,予測処理にインスパイアされたアプローチの実証について述べる。
我々は自己教師型学習を通してレーザ生成モデルを学び、オンライン状態推定とナビゲーションの両方を行う。
その結果,オドメトリーの欠如による粒子フィルタとの比較では,状態推定性能が向上した。
論文 参考訳(メタデータ) (2021-09-09T09:58:00Z) - Intelligent Motion Planning for a Cost-effective Object Follower Mobile
Robotic System with Obstacle Avoidance [0.2062593640149623]
本稿では,ロボットビジョンと深層学習を用いて,必要な直線および角速度を求めるロボットシステムを提案する。
私たちが提案している新しい手法は、任意の種類の照明において、ユニークな色付けされた物体の位置を検出するのに正確である。
論文 参考訳(メタデータ) (2021-09-06T19:19:47Z) - Actionable Models: Unsupervised Offline Reinforcement Learning of
Robotic Skills [93.12417203541948]
与えられたデータセットの任意の目標状態に到達するために学習することによって、環境の機能的な理解を学ぶ目的を提案する。
提案手法は,高次元カメラ画像上で動作し,これまで見つからなかったシーンやオブジェクトに一般化した実ロボットの様々なスキルを学習することができる。
論文 参考訳(メタデータ) (2021-04-15T20:10:11Z) - Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic
Platforms [60.59764170868101]
強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。
私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。
我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
論文 参考訳(メタデータ) (2021-03-05T14:16:20Z) - Where is my hand? Deep hand segmentation for visual self-recognition in
humanoid robots [129.46920552019247]
本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。
ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
論文 参考訳(メタデータ) (2021-02-09T10:34:32Z) - Autonomous Navigation in Dynamic Environments: Deep Learning-Based
Approach [0.0]
本論文は,各スキームの長所と短所を浮き彫りにした深層学習に基づくアプローチを考察する。
畳み込みニューラルネットワーク(CNN)に基づくディープラーニング手法の1つは、ソフトウェア実装によって実現される。
本研究では, レーザースキャナの代わりに単眼カメラを使用するという基礎から, レストラン, 博物館などの屋内アプリケーションに対して, 低コストなアプローチを提案する。
論文 参考訳(メタデータ) (2021-02-03T23:20:20Z)
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。