論文の概要: Periodic DMP formulation for Quaternion Trajectories
- arxiv url: http://arxiv.org/abs/2110.10510v1
- Date: Wed, 20 Oct 2021 11:43:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-23 20:43:21.712560
- Title: Periodic DMP formulation for Quaternion Trajectories
- Title(参考訳): 四元軌道の周期的DMP定式化
- Authors: Fares J. Abu-Dakka, Matteo Saveriano, Luka Peternel
- Abstract要約: 動的運動プリミティブ(DMP)は、複雑な離散的、周期的なスキルを学習し、再現するために広く利用されている。
本稿では,周期軌道の符号化を可能にする新しい定式化を提案する。
実ロボットを用いて、周期的な方向変化を伴う日常的なタスクを実行する実験を行った。
- 参考スコア(独自算出の注目度): 14.182479811070484
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Imitation learning techniques have been used as a way to transfer skills to
robots. Among them, dynamic movement primitives (DMPs) have been widely
exploited as an effective and an efficient technique to learn and reproduce
complex discrete and periodic skills. While DMPs have been properly formulated
for learning point-to-point movements for both translation and orientation,
periodic ones are missing a formulation to learn the orientation. To address
this gap, we propose a novel DMP formulation that enables encoding of periodic
orientation trajectories. Within this formulation we develop two approaches:
Riemannian metric-based projection approach and unit quaternion based periodic
DMP. Both formulations exploit unit quaternions to represent the orientation.
However, the first exploits the properties of Riemannian manifolds to work in
the tangent space of the unit sphere. The second encodes directly the unit
quaternion trajectory while guaranteeing the unitary norm of the generated
quaternions. We validated the technical aspects of the proposed methods in
simulation. Then we performed experiments on a real robot to execute daily
tasks that involve periodic orientation changes (i.e., surface polishing/wiping
and liquid mixing by shaking).
- Abstract(参考訳): 模倣学習技術はロボットにスキルを伝達する方法として使われてきた。
その中でも、動的運動プリミティブ(DMP)は、複雑な離散的かつ周期的なスキルを学習し、再現するための効果的で効率的な技術として広く利用されている。
dmpは翻訳と方向の両方でポイントツーポイントの動きを学ぶために適切に定式化されているが、周期的なものは方向を学ぶための定式化を欠いている。
そこで本研究では,周期軌道の符号化が可能な新しいDMP形式を提案する。
この定式化の中で、リーマン計量に基づく射影法と単位四元数に基づく周期DMPの2つのアプローチを開発する。
どちらの定式化も、向きを表すために単位四元数を利用する。
しかし、第一はリーマン多様体の性質を利用して単位球面の接空間で作用する。
第2は、生成した四元数の一元ノルムを保証しながら、単位四元数軌道を直接符号化する。
シミュレーションにおける提案手法の技術的側面を検証した。
そして, 周期的な方向変化(表面研磨/ワイピング, 振動による液体混合など)を伴う日常作業を行う実ロボット実験を行った。
関連論文リスト
- The Art of Imitation: Learning Long-Horizon Manipulation Tasks from Few Demonstrations [13.747258771184372]
TP-GMMの適用にはいくつかのオープンな課題がある。
我々はロボットのエンドエフェクター速度を方向と大きさに分解する。
次に、複雑な実証軌道からセグメントとシーケンスのスキルを抽出する。
私たちのアプローチでは,5つのデモから複雑な操作タスクを学習することが可能です。
論文 参考訳(メタデータ) (2024-07-18T12:01:09Z) - The HR-Calculus: Enabling Information Processing with Quaternion Algebra [23.004932995116054]
四元数とその分割代数は三次元空間における回転/向きのモデル化において有利であることが証明されている。
四元数値信号に特化して設計された適応情報処理技術は、最近になって機械学習、信号処理、制御コミュニティの注目を集めている。
論文 参考訳(メタデータ) (2023-11-28T13:25:34Z) - Semi-supervised Learning of Partial Differential Operators and Dynamical
Flows [68.77595310155365]
本稿では,超ネットワーク解法とフーリエニューラル演算子アーキテクチャを組み合わせた新しい手法を提案する。
本手法は, 1次元, 2次元, 3次元の非線形流体を含む様々な時間発展PDEを用いて実験を行った。
その結果、新しい手法は、監督点の時点における学習精度を向上し、任意の中間時間にその解を補間できることを示した。
論文 参考訳(メタデータ) (2022-07-28T19:59:14Z) - Backpropagation through Time and Space: Learning Numerical Methods with
Multi-Agent Reinforcement Learning [6.598324641949299]
強化学習(RL)における偏微分方程式に基づく数値スキームを部分観測可能なマルコフゲーム(OMG)として扱う。
数値解法と同様に、エージェントは各離散位置において、効率的な一般化可能な学習のための計算空間として機能する。
局所状態に作用して高次の空間的手法を学ぶためには、エージェントは与えられた時間的位置での作用が状態の将来の進化にどのように影響するかを識別する必要がある。
論文 参考訳(メタデータ) (2022-03-16T20:50:24Z) - Reactive Motion Generation on Learned Riemannian Manifolds [14.325005233326497]
人間の操作者が示す複雑な動作パターンに基づいて動作スキルを生成する方法を示す。
そこで本研究では,学習多様体を変形させることにより,オンザフライのエンドエフェクタ/マルチランブ障害物回避を容易にする手法を提案する。
7-DoFロボットマニピュレータを用いて,タスク空間と関節空間のシナリオにおいて,我々のアプローチを広範囲に検証した。
論文 参考訳(メタデータ) (2022-03-15T10:28:16Z) - Orientation Probabilistic Movement Primitives on Riemannian Manifolds [0.0]
確率的運動プリミティブ(ProMP)は、実験から学んだ軌道分布をモデル化する原則的アプローチとして際立っている。
ProMPが運用空間で使用される場合、元の定式化は完全な動作には直接適用されない。
本稿では,四元軌道の符号化と検索を可能にするRiemann的ProMPの定式化を提案する。
論文 参考訳(メタデータ) (2021-10-28T11:49:03Z) - Vector-valued Gaussian Processes on Riemannian Manifolds via Gauge
Equivariant Projected Kernels [108.60991563944351]
本稿では、ベクトル値のガウス過程を幾何学に忠実に誘導するゲージ同変カーネルの構築法を提案する。
我々は,変分推論などの標準ガウスプロセストレーニング手法を,この設定に拡張する。
論文 参考訳(メタデータ) (2021-10-27T13:31:10Z) - Learning to Shift Attention for Motion Generation [55.61994201686024]
ロボット学習を用いた動作生成の課題の1つは、人間のデモが1つのタスククエリに対して複数のモードを持つ分布に従うことである。
以前のアプローチでは、すべてのモードをキャプチャできなかったり、デモの平均モードを取得できないため、無効なトラジェクトリを生成する傾向があった。
この問題を克服する外挿能力を有するモーション生成モデルを提案する。
論文 参考訳(メタデータ) (2021-02-24T09:07:52Z) - Orbital MCMC [82.54438698903775]
任意の微分同相写像から周期軌道を構築するための2つの実用的なアルゴリズムを提案する。
また,両カーネルの実用的メリットを実証した実証的研究を行った。
論文 参考訳(メタデータ) (2020-10-15T22:25:52Z) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳(メタデータ) (2020-09-28T15:05:39Z) - A Kernel-Based Approach to Non-Stationary Reinforcement Learning in
Metric Spaces [53.47210316424326]
KeRNSは、非定常マルコフ決定過程におけるエピソード強化学習のためのアルゴリズムである。
我々は、状態-作用空間の被覆次元と時間とともにMDPの総変動にスケールする後悔境界を証明した。
論文 参考訳(メタデータ) (2020-07-09T21:37:13Z)
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。