論文の概要: AuraSense: Robot Collision Avoidance by Full Surface Proximity Detection
- arxiv url: http://arxiv.org/abs/2108.04867v1
- Date: Tue, 10 Aug 2021 18:37:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-12 13:43:55.227193
- Title: AuraSense: Robot Collision Avoidance by Full Surface Proximity Detection
- Title（参考訳）: オーラセンス:全表面近接検出によるロボット衝突回避
- Authors: Xiaoran Fan, Riley Simmons-Edler, Daewon Lee, Larry Jackel, Richard
Howard, Daniel Lee
- Abstract要約: AuraSenseは、ロボットアームの非死点近接検知を実現する最初のシステムである。
1組の圧電トランスデューサしか必要とせず、市販のロボットにも容易に適用できる。
- 参考スコア（独自算出の注目度）: 3.9770080498150224
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Perceiving obstacles and avoiding collisions is fundamental to the safe
operation of a robot system, particularly when the robot must operate in highly
dynamic human environments. Proximity detection using on-robot sensors can be
used to avoid or mitigate impending collisions. However, existing proximity
sensing methods are orientation and placement dependent, resulting in blind
spots even with large numbers of sensors. In this paper, we introduce the
phenomenon of the Leaky Surface Wave (LSW), a novel sensing modality, and
present AuraSense, a proximity detection system using the LSW. AuraSense is the
first system to realize no-dead-spot proximity sensing for robot arms. It
requires only a single pair of piezoelectric transducers, and can easily be
applied to off-the-shelf robots with minimal modifications. We further
introduce a set of signal processing techniques and a lightweight neural
network to address the unique challenges in using the LSW for proximity
sensing. Finally, we demonstrate a prototype system consisting of a single
piezoelectric element pair on a robot manipulator, which validates our design.
We conducted several micro benchmark experiments and performed more than 2000
on-robot proximity detection trials with various potential robot arm materials,
colliding objects, approach patterns, and robot movement patterns. AuraSense
achieves 100% and 95.3% true positive proximity detection rates when the arm
approaches static and mobile obstacles respectively, with a true negative rate
over 99%, showing the real-world viability of this system.
- Abstract（参考訳）: 障害物の認識と衝突の回避は、特にロボットが非常にダイナミックな人間の環境で動作しなければならない場合、ロボットシステムの安全な動作に不可欠である。
ロボット搭載センサーを用いた近接検出は衝突の回避や緩和に使用できる。
しかし、既存の近接センシング手法は方向と配置に依存しており、多数のセンサでも盲点となる。
本稿では,新しいセンシングモダリティであるLaky Surface Wave(LSW)と,LSWを用いた近接検出システムであるAuraSenseを紹介する。
AuraSenseはロボットアームの非死点近接センシングを実現する最初のシステムである。
1組の圧電トランスデューサしか必要とせず、最小限の修正で市販のロボットにも容易に適用できる。
さらに,近接センシングにlswを使用する際のユニークな課題に対処するために,信号処理技術と軽量ニューラルネットワークについても紹介する。
最後に,ロボットマニピュレータ上に一対の圧電素子からなるプロトタイプシステムを試作し,その設計を検証した。
マイクロベンチマーク実験を行い,様々なロボットアーム材料,衝突物体,アプローチパターン,ロボット移動パターンを用いた2000以上のロボット近接検出実験を行った。
aurasenseは、アームが静的障害物と移動障害物に近づくと、100%と95.3%の正の近接検出率を達成し、99%以上の真の負の速度で、このシステムの現実の生存率を示している。
関連論文リスト
- Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。
ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。
これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文 参考訳（メタデータ） (2024-11-04T18:38:50Z) - Robot Navigation with Entity-Based Collision Avoidance using Deep Reinforcement Learning [0.0]
本稿では,ロボットのさまざまなエージェントや障害物との相互作用を高める新しい手法を提案する。
このアプローチでは、エンティティタイプに関する情報を使用し、衝突回避を改善し、より安全なナビゲーションを保証する。
本研究では,大人,自転車乗り,子供,静的障害物など,さまざまな物体との衝突に対してロボットをペナルティ化する新たな報酬関数を提案する。
論文 参考訳（メタデータ） (2024-08-26T11:16:03Z) - Multimodal Anomaly Detection based on Deep Auto-Encoder for Object Slip
Perception of Mobile Manipulation Robots [22.63980025871784]
提案フレームワークは,RGBや深度カメラ,マイク,力トルクセンサなど,さまざまなロボットセンサから収集した異種データストリームを統合する。
統合されたデータは、ディープオートエンコーダを訓練して、通常の状態を示す多感覚データの潜在表現を構築するために使用される。
次に、トレーニングされたエンコーダの潜伏値と再構成された入力データの潜伏値との差によって測定された誤差スコアによって異常を識別することができる。
論文 参考訳（メタデータ） (2024-03-06T09:15:53Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Exploiting High Quality Tactile Sensors for Simplified Grasping [1.713291434132985]
本稿では,市販の2種類のロボット指先の使用状況について詳細に分析する。
パーセンテージ・コントローラに基づく単純なアルゴリズムは、多くのグルーピング・アプリケーションで十分である、と結論付けている。
論文 参考訳（メタデータ） (2022-07-25T17:19:37Z) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳（メタデータ） (2022-02-15T17:38:30Z) - 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) - Domain and Modality Gaps for LiDAR-based Person Detection on Mobile
Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。
実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。
その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文 参考訳（メタデータ） (2021-06-21T16:35:49Z) - Autonomous Intruder Detection Using a ROS-Based Multi-Robot System
Equipped with 2D-LiDAR Sensors [0.5512295869673147]
本稿では,中央ロボットMIDNetによる全ロボットからの検知を集中処理する単一距離センサ/ロボットシナリオにおける侵入者検出のためのマルチロボットシステムを提案する。
この作業は、人手なしで倉庫に自律的なマルチロボットセキュリティソリューションを提供することを目的としている。
論文 参考訳（メタデータ） (2020-11-07T19:49:07Z) - DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile
Sensor with Application to In-Hand Manipulation [16.54834671357377]
汎用的な手動操作は、ロボティクスの未解決課題の1つとして残されている。
DIGITは安価でコンパクトで高解像度な触覚センサで、手作業で操作できる。
論文 参考訳（メタデータ） (2020-05-29T17:07:54Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z)
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。