Fugu-MT 論文翻訳(概要): Robotic Grasping of Fully-Occluded Objects using RF Perception

論文の概要: Robotic Grasping of Fully-Occluded Objects using RF Perception

arxiv url: http://arxiv.org/abs/2012.15436v1
Date: Thu, 31 Dec 2020 04:01:45 GMT
ステータス: 処理完了
システム内更新日: 2021-04-17 17:02:25.555296
Title: Robotic Grasping of Fully-Occluded Objects using RF Perception
Title（参考訳）: RF知覚を用いた完全付加物体のロボットグラスピング
Authors: Tara Boroushaki, Junshan Leng, Ian Clester, Alberto Rodriguez, Fadel Adib
Abstract要約: RF-Graspは、非構造環境において、完全に隠された物体を把握できるロボットシステムである。 RF-Graspは、アイインハンドカメラと、関心のあるオブジェクトに添付されたバッテリーレスRFIDタグに依存します。
参考スコア（独自算出の注目度）: 18.339320861642722
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We present the design, implementation, and evaluation of RF-Grasp, a robotic system that can grasp fully-occluded objects in unknown and unstructured environments. Unlike prior systems that are constrained by the line-of-sight perception of vision and infrared sensors, RF-Grasp employs RF (Radio Frequency) perception to identify and locate target objects through occlusions, and perform efficient exploration and complex manipulation tasks in non-line-of-sight settings. RF-Grasp relies on an eye-in-hand camera and batteryless RFID tags attached to objects of interest. It introduces two main innovations: (1) an RF-visual servoing controller that uses the RFID's location to selectively explore the environment and plan an efficient trajectory toward an occluded target, and (2) an RF-visual deep reinforcement learning network that can learn and execute efficient, complex policies for decluttering and grasping. We implemented and evaluated an end-to-end physical prototype of RF-Grasp and a state-of-the-art baseline. We demonstrate it improves success rate and efficiency by up to 40-50% in cluttered settings. We also demonstrate RF-Grasp in novel tasks such mechanical search of fully-occluded objects behind obstacles, opening up new possibilities for robotic manipulation.
Abstract（参考訳）: 本稿では,未知および非構造環境における完全閉塞物体を把握可能なロボットシステムrf-graspの設計,実装,評価について述べる。視線と赤外線センサーの視線知覚に制約される従来のシステムとは異なり、RF-GraspはRF(Radio Frequency)の知覚を用いて、オクルージョンを通して対象物を識別し、特定し、非視線設定で効率的な探索と複雑な操作を行う。 RF-Graspは、目玉カメラと、興味のある物体に装着されたバッテリーレスRFIDタグに依存している。 1)RFIDの位置を利用して環境を選択的に探索し、隠蔽対象に向かって効率的な軌道を計画するRF視覚サーボ制御と,2)効果的かつ複雑な解離・把握ポリシーを学習・実行可能なRF視覚深部強化学習ネットワークである。 RF-Graspのプロトタイプと最先端のベースラインを実装,評価した。乱雑な設定で成功率と効率を最大40～50%向上させることを示した。また,障害物の背後の物体を機械的に探索し,ロボット操作の新たな可能性を開くなど,新たな課題としてrf-graspを提示する。

関連論文リスト

Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
論文参考訳（メタデータ） (2024-09-09T13:56:22Z)
Multi-Stage Fusion Architecture for Small-Drone Localization and Identification Using Passive RF and EO Imagery: A Case Study [0.1872664641238533]
本研究では、受動無線周波数(RF)と電気光学(EO)画像データを用いた多段階融合アーキテクチャを開発する。教師なしの深層学習に基づく手法と、教師なしの地上/後方分離手法を探索し、挑戦的な環境に対処する。提案した融合アーキテクチャを検証し,その範囲で追跡性能を定量化する。
論文参考訳（メタデータ） (2024-03-30T22:53:28Z)
Radio Frequency Fingerprinting via Deep Learning: Challenges and Opportunities [4.800138615859937]
RFF(Radio Frequency Fingerprinting)技術は、製造時に導入された固有のハードウェア不完全性に基づいて、物理層における無線デバイスを認証することを約束する。機械学習の最近の進歩、特にディープラーニング(DL)では、デバイス固有の指紋を構成する複雑な特徴を抽出し学習するRFFシステムの能力が改善されている。本稿では,DL ベースの RFF システム構築において直面する重要事項と課題を体系的に同定し,分析する。
論文参考訳（メタデータ） (2023-10-25T06:45:49Z)
RF-Annotate: Automatic RF-Supervised Image Annotation of Common Objects in Context [0.25019493958767397]
ワイヤレスタグは、小売商品、食品、薬品、衣服、書籍、文書、鍵、機器など、一般的な商品の追跡や識別にますます利用されている。本稿では,自律的画素画像アノテーションのためのパイプラインRF-Annotateについて述べる。
論文参考訳（メタデータ） (2022-11-16T11:25:38Z)
GraspNeRF: Multiview-based 6-DoF Grasp Detection for Transparent and Specular Objects Using Generalizable NeRF [7.47805672405939]
本稿では,マルチビューRGBベースの6-DoFグリップ検出ネットワークGraspNeRFを提案する。既存のNeRFベースの3-DoFグリップ検出手法と比較して,RGB入力の少ないゼロショットNeRF構成を実現し,リアルタイムに6-DoFグリップを確実に検出できる。学習データには, 散らばったテーブルトップシーンで把握する大規模フォトリアリスティックなドメインランダム化合成データセットを生成する。
論文参考訳（メタデータ） (2022-10-12T20:31:23Z)
NeRF-Supervision: Learning Dense Object Descriptors from Neural Radiance Fields [54.27264716713327]
シーンのニューラル・ラジアンス・フィールド(NeRF)表現は,高密度物体記述子の訓練に利用できることを示す。我々は、最適化されたNeRFを用いて、オブジェクトの複数のビュー間の密接な対応を抽出し、これらの対応を、オブジェクトのビュー不変表現を学習するためのトレーニングデータとして使用する。また,本手法により教師されたディエンス対応モデルは,市販の学習ディスクリプタよりも106%優れていた。
論文参考訳（メタデータ） (2022-03-03T18:49:57Z)
RF-Net: a Unified Meta-learning Framework for RF-enabled One-shot Human Activity Recognition [9.135311655929366]
デバイスフリー(または非接触)センシングは、デバイスベース(またはウェアラブル)センシングよりも環境変化に敏感である。 RF-HARの既存のソリューションは、新しい環境に適応するための努力的なデータ収集プロセスを必要とする。本稿では,1ショットのRF-HARに対するメタラーニングに基づくアプローチとしてRF-Netを提案する。
論文参考訳（メタデータ） (2021-10-29T01:58:29Z)
Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文参考訳（メタデータ） (2021-09-29T12:23:41Z)
SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文参考訳（メタデータ） (2021-08-03T02:56:21Z)
Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
論文参考訳（メタデータ） (2020-12-26T19:41:15Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。