論文の概要: Whole-Body Control on Non-holonomic Mobile Manipulation for Grapevine Winter Pruning Automation

• arxiv url: http://arxiv.org/abs/2105.10777v1
• Date: Sat, 22 May 2021 17:41:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-26 12:48:48.182112
• Title: Whole-Body Control on Non-holonomic Mobile Manipulation for Grapevine Winter Pruning Automation
• Title（参考訳）: 越冬運転自動化のための非ホロノミック移動操作の全身制御
• Authors: Tao Teng, Miguel Fernandes, Matteo Gatti, Stefano Poni, Claudio Semini, Darwin Caldwell, Fei Chen
• Abstract要約: 本稿では,2-DoF非ホロノミックホイール付移動体と7-DoF非マニピュレータを組み合わせたロボットの全身動作制御装置について検討する。 このロボットプラットフォームは、複雑なブドウの刈り取り作業を効率的に行うように設計されている。
• 参考スコア（独自算出の注目度）: 5.9904971631687
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mobile manipulators that combine mobility and manipulability, are increasingly being used for various unstructured application scenarios in the field, e.g. vineyards. Therefore, the coordinated motion of the mobile base and manipulator is an essential feature of the overall performance. In this paper, we explore a whole-body motion controller of a robot which is composed of a 2-DoFs non-holonomic wheeled mobile base with a 7-DoFs manipulator (non-holonomic wheeled mobile manipulator, NWMM) This robotic platform is designed to efficiently undertake complex grapevine pruning tasks. In the control framework, a task priority coordinated motion of the NWMM is guaranteed. Lower-priority tasks are projected into the null space of the top-priority tasks so that higher-priority tasks are completed without interruption from lower-priority tasks. The proposed controller was evaluated in a grapevine spur pruning experiment scenario.
• Abstract（参考訳）: 移動性と操作性を組み合わせた移動マニピュレータは、フィールドにおける様々な非構造化アプリケーションシナリオ、例えば、ますます使われている。 ブドウ園 したがって、移動体ベースとマニピュレータの協調動作は、全体的な性能の重要な特徴である。 本稿では,2-DoF非ホロノミック駆動型移動体ベースと7-DoF非ホロノミック駆動型移動体マニピュレータ(NWMM)を組み合わせたロボットの全身運動制御装置について検討する。 制御フレームワークでは、NWMMのタスク優先度調整動作が保証される。 低優先度タスクは、上位優先度タスクのヌル空間に投影され、下位優先度タスクの中断なしに上位優先度タスクが完了する。 提案する制御器はブドウの穂刈り実験シナリオで評価した。

関連論文リスト

• Zero-Cost Whole-Body Teleoperation for Mobile Manipulation [8.71539730969424]
  MoMa-Teleopは、ベースモーションを強化学習エージェントに委譲する新しい遠隔操作手法である。 提案手法は,様々なロボットやタスクに対して,タスク完了時間が大幅に短縮されることを実証する。
  論文  参考訳（メタデータ） (2024-09-23T15:09:45Z)
• Causal Policy Gradient for Whole-Body Mobile Manipulation [39.3461626518495]
  我々は、典型的なMoMaタスクのポリシーをトレーニングする新しい強化学習フレームワークであるCausal MoMaを紹介する。 異なるタスクを対象とした3種類の模擬ロボットにおけるCausal MoMaの性能評価を行った。
  論文  参考訳（メタデータ） (2023-05-04T23:23:47Z)
• Deep Functional Predictive Control for Strawberry Cluster Manipulation using Tactile Prediction [6.365634303789478]
  本稿では,ロボットプッシュタスクにおけるPRI(Physical Robot Interaction)の問題に対処するための新しいアプローチを提案する。 このアプローチでは、触覚予測に基づくデータ駆動のフォワードモデルを使用して、プッシュされるオブジェクトの将来的な動きについてコントローラに通知する。
  論文  参考訳（メタデータ） (2023-03-09T16:31:35Z)
• Multi-skill Mobile Manipulation for Object Rearrangement [75.62774690484022]
  本研究では,オブジェクト再構成のための長距離移動操作タスクへのモジュラーアプローチについて検討する。 従来の作業チェーンでは、サブタスクで個別に学習するポイントゴールナビゲーションスキルを備えた複数の静止操作スキルがチェーンされている。 静的な操作ではなく,モバイル操作のスキルを実装し,ポイントゴールではなく,地域目標で訓練されたナビゲーションスキルを訓練することで,これらのアイデアを運用する。
  論文  参考訳（メタデータ） (2022-09-06T19:02:08Z)
• 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)
• Consolidating Kinematic Models to Promote Coordinated Mobile Manipulations [96.03270112422514]
  我々は,移動体ベース,アーム,移動体操作で操作する物体の運動学を統合する仮想キネマティックチェイン(VKC)を構築した。 移動操作タスクは、構築されたVKCの状態を変更して表現され、移動計画問題に変換することができる。
  論文  参考訳（メタデータ） (2021-08-03T02:59:41Z)
• Efficient Task Planning for Mobile Manipulation: a Virtual Kinematic Chain Perspective [88.25410628450453]
  モバイル操作におけるタスク計画の有効性を改善するために,仮想キネマティック・チェイン・パースペクティブを提案する。 移動体、腕、および全体として操作されている物体の運動学を統合することで、この新しいVKCの視点は抽象的な動作を自然に定義する。 実験では,ドメイン計画定義言語(PDDL)とVKCを用いたタスクプランナを実装した。
  論文  参考訳（メタデータ） (2021-08-03T02:49:18Z)
• Articulated Object Interaction in Unknown Scenes with Whole-Body Mobile Manipulation [16.79185733369416]
  未知の環境下における大型関節オブジェクトとの自律的相互作用のための2段階アーキテクチャを提案する。 第1段階は学習モデルを用いて、RGB-D入力から対象物の調音モデルを推定し、相互作用のための状態の動作条件列を予測する。 第2段階は、生成した運動計画に沿ってオブジェクトを操作する全身運動制御装置からなる。
  論文  参考訳（メタデータ） (2021-03-18T21:32:18Z)
• Human-Supervised Semi-Autonomous Mobile Manipulators for Safely and Efficiently Executing Machine Tending Tasks [18.13380313852783]
  半自律移動マニピュレータを開発し、人間の監督下で機械の操作作業を安全かつ効率的に行う。 ロボットは、ハイレベルなタスク記述から動作計画を生成し、シミュレーション結果を人間に提示して承認する。 予備的なユーザトライアルでは,非専門家がシステムの使用を迅速に学習し,マシンの操作を行うことが可能であった。
  論文  参考訳（メタデータ） (2020-10-10T04:28:52Z)
• ReLMoGen: Leveraging Motion Generation in Reinforcement Learning for Mobile Manipulation [99.2543521972137]
  ReLMoGenは、サブゴールを予測するための学習されたポリシーと、これらのサブゴールに到達するために必要な動作を計画し実行するためのモーションジェネレータを組み合わせたフレームワークである。 本手法は,フォトリアリスティック・シミュレーション環境における7つのロボットタスクの多種多様なセットをベンチマークする。 ReLMoGenは、テスト時に異なるモーションジェネレータ間で顕著な転送可能性を示し、実際のロボットに転送する大きな可能性を示している。
  論文  参考訳（メタデータ） (2020-08-18T08:05:15Z)
• Goal-Conditioned End-to-End Visuomotor Control for Versatile Skill Primitives [89.34229413345541]
  本稿では,制御器とその条件をエンドツーエンドに学習することで,落とし穴を回避する条件付け手法を提案する。 本モデルでは,ロボットの動きのダイナミックな画像表現に基づいて,複雑な動作シーケンスを予測する。 代表的MPCおよびILベースラインに対するタスク成功の大幅な改善を報告した。
  論文  参考訳（メタデータ） (2020-03-19T15:04:37Z)

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。