論文の概要: Online Body Schema Adaptation through Cost-Sensitive Active Learning

• arxiv url: http://arxiv.org/abs/2101.10892v1
• Date: Tue, 26 Jan 2021 16:01:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-13 20:06:12.106421
• Title: Online Body Schema Adaptation through Cost-Sensitive Active Learning
• Title（参考訳）: コスト感応型アクティブラーニングによるオンラインボディスキーマの適応
• Authors: Gon\c{c}alo Cunha, Pedro Vicente, Alexandre Bernardino, Ricardo Ribeiro, Pl\'inio Moreno
• Abstract要約: この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
• 参考スコア（独自算出の注目度）: 63.84207660737483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humanoid robots have complex bodies and kinematic chains with several Degrees-of-Freedom (DoF) which are difficult to model. Learning the parameters of a kinematic model can be achieved by observing the position of the robot links during prospective motions and minimising the prediction errors. This work proposes a movement efficient approach for estimating online the body-schema of a humanoid robot arm in the form of Denavit-Hartenberg (DH) parameters. A cost-sensitive active learning approach based on the A-Optimality criterion is used to select optimal joint configurations. The chosen joint configurations simultaneously minimise the error in the estimation of the body schema and minimise the movement between samples. This reduces energy consumption, along with mechanical fatigue and wear, while not compromising the learning accuracy. The work was implemented in a simulation environment, using the 7DoF arm of the iCub robot simulator. The hand pose is measured with a single camera via markers placed in the palm and back of the robot's hand. A non-parametric occlusion model is proposed to avoid choosing joint configurations where the markers are not visible, thus preventing worthless attempts. The results show cost-sensitive active learning has similar accuracy to the standard active learning approach, while reducing in about half the executed movement.
• Abstract（参考訳）: ヒューマノイドロボットは複雑な体を持ち、数自由度(dof)のキネマティック・チェーンを持ち、モデル化が難しい。 予測動作中のロボットリンクの位置を観察し,予測誤差を最小化することにより,運動モデルのパラメータを学習することができる。 本研究は,人型ロボットアームの身体スキーマをデナヴィト・ハルテンベルク(DH)パラメーターを用いてオンラインで推定するための移動効率の良いアプローチを提案する。 A-Optimality criterionに基づくコスト依存型能動学習手法を用いて,最適な関節構成を選択する。 選択されたジョイント構成は、ボディスキーマの推定における誤差を最小化し、サンプル間の移動を最小化する。 これにより、学習精度を損なわず、機械的疲労や摩耗とともにエネルギー消費量を削減します。 この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 手のポーズは、ロボットの手のひらと背中に配置されたマーカーを介して単一のカメラで測定されます。 非パラメトリックオクルージョンモデルを提案し、マーカーが見えないジョイント構成の選択を回避し、無意味な試行を防ぐ。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。

関連論文リスト

• OptiState: State Estimation of Legged Robots using Gated Networks with Transformer-based Vision and Kalman Filtering [42.817893456964]
  脚のあるロボットの状態推定は、非常にダイナミックな動きとセンサーの精度による制限のために困難である。 本稿では,ロボットのトランクの状態を推定するために,プロピロセプションと外部受動的情報を組み合わせたハイブリッドソリューションを提案する。 このフレームワークは正確なロボットの状態推定を行うだけでなく、センサの測定や学習によるモデルの単純化から生じる非線形誤差を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2024-01-30T03:34:25Z)
• Enhanced Human-Robot Collaboration using Constrained Probabilistic Human-Motion Prediction [5.501477817904299]
  本研究では,人間の関節の制約とシーンの制約を組み込んだ新しい動き予測フレームワークを提案する。 人間の腕のキネマティックモデルでテストされ、UR5ロボットアームと人間とロボットの協調的な設定で実装されている。
  論文  参考訳（メタデータ） (2023-10-05T05:12:14Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• 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)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• Relative Localization of Mobile Robots with Multiple Ultra-WideBand Ranging Measurements [15.209043435869189]
  ロボット群間の相対的なポーズを,複数のUWB範囲のノードを各ロボットに装備することで推定する手法を提案する。 局所化精度を向上させるため,スライディングウインドウを用いた最適化により,オドメトリー制約を利用する。
  論文  参考訳（メタデータ） (2021-07-19T12:57:02Z)
• Model Predictive Actor-Critic: Accelerating Robot Skill Acquisition with Deep Reinforcement Learning [42.525696463089794]
  Model Predictive Actor-Critic (MoPAC)は、モデル予測ロールアウトとポリシー最適化を組み合わせてモデルバイアスを軽減するハイブリッドモデルベース/モデルフリーメソッドである。 MoPACは最適なスキル学習を近似誤差まで保証し、環境との物理的相互作用を減らす。
  論文  参考訳（メタデータ） (2021-03-25T13:50:24Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)

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。