論文の概要: Benchmarking Off-The-Shelf Solutions to Robotic Assembly Tasks
- arxiv url: http://arxiv.org/abs/2103.05140v1
- Date: Mon, 8 Mar 2021 23:46:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 12:42:52.796059
- Title: Benchmarking Off-The-Shelf Solutions to Robotic Assembly Tasks
- Title（参考訳）: ロボット組立タスクへのオフザシェルフソリューションのベンチマーク
- Authors: Wenzhao Lian, Tim Kelch, Dirk Holz, Adam Norton, and Stefan Schaal
- Abstract要約: 最新のパフォーマンスのベースラインとボトルネックの問題が何であるかは、しばしば不明です。
最近導入されたベンチマークであるNational Institute of Standards and Technology (NIST) Assembly Task Boardsで、オフ・ザ・シェルフ(OTS)産業ソリューションを評価します。
- 参考スコア（独自算出の注目度）: 9.125933436783681
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, many learning based approaches have been studied to realize
robotic manipulation and assembly tasks, often including vision and
force/tactile feedback. However, it remains frequently unclear what is the
baseline state-of-the-art performance and what are the bottleneck problems. In
this work, we evaluate some off-the-shelf (OTS) industrial solutions on a
recently introduced benchmark, the National Institute of Standards and
Technology (NIST) Assembly Task Boards. A set of assembly tasks are introduced
and baseline methods are provided to understand their intrinsic difficulty.
Multiple sensor-based robotic solutions are then evaluated, including hybrid
force/motion control and 2D/3D pattern matching algorithms. An end-to-end
integrated solution that accomplishes the tasks is also provided. The results
and findings throughout the study reveal a few noticeable factors that impede
the adoptions of the OTS solutions: expertise dependent, limited applicability,
lack of interoperability, no scene awareness or error recovery mechanisms, and
high cost. This paper also provides a first attempt of an objective benchmark
performance on the NIST Assembly Task Boards as a reference comparison for
future works on this problem.
- Abstract（参考訳）: 近年,視覚や力・触覚フィードバックなど,ロボット操作や組立作業を実現するための学習ベースのアプローチが数多く研究されている。
しかし、最新のパフォーマンスのベースラインとボトルネックの問題が何であるかは、しばしば不明です。
本稿では,最近導入した国立標準技術研究所 (nist) 組立タスクボードのベンチマークを用いて,市販のots (ots) 産業ソリューションを評価する。
組立タスクのセットを導入し、その固有の難易度を理解するためのベースラインメソッドを提供する。
次に、ハイブリッドフォース/モーション制御と2d/3dパターンマッチングアルゴリズムを含む複数のセンサベースのロボットソリューションを評価する。
タスクを達成するエンドツーエンドの統合ソリューションも提供される。
この結果と結果から,OTSソリューションの採用を妨げるいくつかの重要な要因が明らかになった。専門知識の依存,適用可能性の制限,相互運用性の欠如,シーンの認識やエラー回復機構の欠如,高コストなどだ。
また,NISTアセンブリタスクボード上での客観的なベンチマーク性能を,今後の課題に対する基準比較として提案する。
関連論文リスト
- Transformers Utilization in Chart Understanding: A Review of Recent Advances & Future Trends [1.124958340749622]
本稿では、理解(CU)における顕著な研究をレビューする。
それは、End-to-End(E2E)ソリューション内でトランスフォーマーを使用するState-of-The-Art(SoTA)フレームワークに焦点を当てている。
この記事では、CUソリューションを進める上で重要な課題を特定し、将来有望な方向性を概説する。
論文 参考訳（メタデータ） (2024-10-05T16:26:44Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。
このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
論文 参考訳（メタデータ） (2024-07-20T16:37:21Z) - SEGO: Sequential Subgoal Optimization for Mathematical Problem-Solving [64.38649623473626]
大規模言語モデル(LLM)は人工知能の大幅な進歩を導いた。
数学的問題を解く能力を高めるために,textbfSEquential subtextbfGoal textbfOptimization (SEGO) という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-19T17:56:40Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳（メタデータ） (2023-02-16T16:45:36Z) - IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。
統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。
7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
論文 参考訳（メタデータ） (2023-01-31T01:24:45Z) - Task Allocation using a Team of Robots [29.024300177453824]
本稿では、よく研究されている複数のバージョンを一般化するタスク割り当て問題の一般的な定式化について述べる。
我々の定式化には、ロボット、タスク、そしてそれらが動作する環境の状態が含まれる。
本稿では,実現可能性制約,目的関数,動的に変化する情報のレベルによって,その問題がどう変化するかを説明する。
論文 参考訳（メタデータ） (2022-07-20T04:49:11Z) - Task-Agnostic Continual Reinforcement Learning: Gaining Insights and
Overcoming Challenges [27.474011433615317]
連続学習(CL)は、一連のタスクから学習するモデルやエージェントの開発を可能にする。
タスクに依存しないCLとマルチタスク(MTL)エージェントのパフォーマンス差に寄与する要因について検討する。
論文 参考訳（メタデータ） (2022-05-28T17:59:00Z) - Absolute Wrong Makes Better: Boosting Weakly Supervised Object Detection
via Negative Deterministic Information [54.35679298764169]
弱教師付き物体検出(WSOD)は、画像レベルのラベルを用いて物体検出を訓練する難しい課題である。
本稿では,WSODにおける決定論的情報を特定し,完全に活用することに焦点を当てる。
我々は、WSOD、すなわちNDI-WSODを改善するための負の決定論的情報(NDI)に基づく手法を提案する。
論文 参考訳（メタデータ） (2022-04-21T12:55:27Z) - Fast Object Segmentation Learning with Kernel-based Methods for Robotics [21.48920421574167]
オブジェクトセグメンテーションは、把握やオブジェクト操作といったタスクを実行するロボットの視覚システムにおいて重要なコンポーネントである。
本稿では,オブジェクトセグメンテーションのための新しいアーキテクチャを提案する。これはこの問題を克服し,最先端の手法で必要とされる時間に匹敵する性能を提供する。
本手法はコンピュータビジョンとロボティクスのコミュニティで広く採用されているYCB-Videoデータセットで検証されている。
論文 参考訳（メタデータ） (2020-11-25T15:07:39Z) - Learning 3D Part Assembly from a Single Image [20.175502864488493]
そこで本研究では,新たな問題として,学習ベースのソリューションとともに,シングルイメージの3Dパーツアセンブリを導入する。
本報告では, 家具組立において, 部品の完全な集合と, 組み立て物全体を描いた一枚の画像から, 家具組立の設定について検討する。
論文 参考訳（メタデータ） (2020-03-21T21:19:28Z)
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。