Fugu-MT 論文翻訳(概要): Estimation and Prediction of Deterministic Human Intent Signal to augment Haptic Glove aided Control of Robotic Hand

論文の概要: Estimation and Prediction of Deterministic Human Intent Signal to augment Haptic Glove aided Control of Robotic Hand

arxiv url: http://arxiv.org/abs/2110.07953v1
Date: Fri, 15 Oct 2021 09:12:44 GMT
ステータス: 処理完了
システム内更新日: 2021-10-18 14:45:48.938616
Title: Estimation and Prediction of Deterministic Human Intent Signal to augment Haptic Glove aided Control of Robotic Hand
Title（参考訳）: ロボットハンドの触覚グローブ制御強化のための決定論的人間の意図信号の推定と予測
Authors: Rajesh Kumar, Pimmy Gandotra, Brejesh Lall, Arzad A. Kherani, Sudipto Mukherjee
Abstract要約: 本論文は,ロボットハンドの触覚グローブによる手動操作の制御に焦点を当てた。制御アルゴリズムが提示され、RHは、ゴールポーズに保持されたオブジェクトを移動させる。
参考スコア（独自算出の注目度）: 11.791020106482486
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The paper focuses on Haptic Glove (HG) based control of a Robotic Hand (RH) executing in-hand manipulation. A control algorithm is presented to allow the RH relocate the object held to a goal pose. The motion signals for both the HG and the RH are high dimensional. The RH kinematics is usually different from the HG kinematics. The variability of kinematics of the two devices, added with the incomplete information about the human hand kinematics result in difficulty in direct mapping of the high dimensional motion signal of the HG to the RH. Hence, a method is proposed to estimate the human intent from the high dimensional HG motion signal and reconstruct the signal at the RH to ensure object relocation. It is also shown that the lag in synthesis of the motion signal of the human hand added with the control latency of the RH leads to a requirement of the prediction of the human intent signal. Then, a recurrent neural network (RNN) is proposed to predict the human intent signal ahead of time.
Abstract（参考訳）: 本論文は,ロボットハンド(RH)の触覚グローブ(HG)に基づく手動操作の制御に焦点を当てた。制御アルゴリズムは、RHがゴールポーズに保持されたオブジェクトを移動できるようにする。 HGとRHの両方の動作信号は高次元である。 RHキネマティクスは通常、HGキネマティクスとは異なる。人手キネマティクスに関する不完全情報を付加した2つの装置のキネマティクスの変動は、HGの高次元運動信号のRHへの直接マッピングが困難となる。そこで,高次元HGモーション信号から人間の意図を推定し,RHでの信号再構成を行い,物体の移動を確実にする手法を提案する。また、RHの制御遅延に付加された人間の手の動き信号の合成の遅れが、人間の意図信号の予測の要求につながることも示されている。次に、人間の意図を事前に予測するために、リカレントニューラルネットワーク(RNN)を提案する。

関連論文リスト

Koopman-driven grip force prediction through EMG sensing [0.7499722271664147]
脳卒中や多発性硬化症などの症状による手機能の喪失は日常活動に大きな影響を及ぼす。本研究は,1対のsEMGセンサを用いた中包把持時の精度の高い力推定を実現することを目的とする。
論文参考訳（メタデータ） (2024-09-25T20:28:57Z)
Enhancing Precision in Tactile Internet-Enabled Remote Robotic Surgery: Kalman Filter Approach [0.0]
本稿では,計算効率の良い位置推定法としてカルマンフィルタ(KF)を提案する。この研究は、ロボットアームシステムの力学系モデルに関する事前の知識も想定していない。シミュレーションネットワーク条件下での患者側マニピュレータ(PSM)の位置決定におけるKFの有効性について検討した。
論文参考訳（メタデータ） (2024-06-06T20:56:53Z)
Context-based Interpretable Spatio-Temporal Graph Convolutional Network for Human Motion Forecasting [0.0]
本稿では,効率的な3次元ポーズ予測モデルとしてコンテキスト解釈型時空間グラフネットワーク(IST-GCN)を提案する。提案アーキテクチャでは,ポーズシーケンスから意味のある情報を抽出し,入力モデルにアグリゲーションとアクセラレーションを集約し,最終的に出力変位を予測する。
論文参考訳（メタデータ） (2024-02-21T17:51:30Z)
Multi-Robot Relative Pose Estimation in SE(2) with Observability Analysis: A Comparison of Extended Kalman Filtering and Robust Pose Graph Optimization [1.0485739694839669]
本研究では,相対的なポーズ推定の協調的局所化と可観測性分析に着目する。 ROS/Gazeboシミュレーションでは,4つのセンシング・通信構造について検討する。ハードウェア実験では、UWBモジュールを備えた2つのTurtlebot3がロボット間の相対的なポーズ推定に使用される。
論文参考訳（メタデータ） (2024-01-27T06:09:56Z)
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)
Motion-Scenario Decoupling for Rat-Aware Video Position Prediction: Strategy and Benchmark [49.58762201363483]
本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
論文参考訳（メタデータ） (2023-05-17T14:14:31Z)
Pose-Oriented Transformer with Uncertainty-Guided Refinement for 2D-to-3D Human Pose Estimation [51.00725889172323]
本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
論文参考訳（メタデータ） (2023-02-15T00:22:02Z)
Investigating Pose Representations and Motion Contexts Modeling for 3D Motion Prediction [63.62263239934777]
歴史的ポーズシーケンスから人間の動きを予測することは、機械が人間と知的な相互作用を成功させるために不可欠である。本研究では,様々なポーズ表現に関する詳細な研究を行い,その動作予測課題に対する効果に着目した。 AHMR(Attentive Hierarchical Motion Recurrent Network)と呼ばれる新しいRNNアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-12-30T10:45:22Z)
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)
TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文参考訳（メタデータ） (2021-04-08T20:01:00Z)
Adversarial Refinement Network for Human Motion Prediction [61.50462663314644]
リカレントニューラルネットワークとフィードフォワードディープネットワークという2つの一般的な手法は、粗い動きの傾向を予測することができる。本稿では,新たな逆誤差増大を伴う簡易かつ効果的な粗大きめ機構に従えば,ARNet(Adversarial Refinement Network)を提案する。
論文参考訳（メタデータ） (2020-11-23T05:42:20Z)

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。