論文の概要: An Automated Robotic Arm: A Machine Learning Approach

• arxiv url: http://arxiv.org/abs/2201.07882v1
• Date: Fri, 7 Jan 2022 10:33:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-23 21:12:13.655922
• Title: An Automated Robotic Arm: A Machine Learning Approach
• Title（参考訳）: 自動ロボットアーム:機械学習アプローチ
• Authors: Krishnaraj Rao N S, Avinash N J, Rama Moorthy H, Karthik K, Sudesh Rao, Santosh S
• Abstract要約: 現代の産業は、手動によるシステムの制御から自動化へと急速にシフトしている。 コンピュータベースのシステムは、品質と生産性を向上させることができるが、作業には柔軟性がない。 工業的重要性の1つは、ある場所から別の場所へ物を選んで配置することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The term robot generally refers to a machine that looks and works in a way similar to a human. The modern industry is rapidly shifting from manual control of systems to automation, in order to increase productivity and to deliver quality products. Computer-based systems, though feasible for improving quality and productivity, are inflexible to work with, and the cost of such systems is significantly high. This led to the swift adoption of automated systems to perform industrial tasks. One such task of industrial significance is of picking and placing objects from one place to another. The implementation of automation in pick and place tasks helps to improve efficiency of system and also the performance. In this paper, we propose to demonstrate the designing and working of an automated robotic arm with the Machine Learning approach. The work uses Machine Learning approach for object identification detection and traversal, which is adopted with Tensor flow package for better and accurate results.
• Abstract（参考訳）: ロボットという用語は一般に、人間と似た見た目で機能する機械を指す。 現代の産業は、生産性を高め、品質の高い製品を提供するために、システムの手動制御から自動化へと急速にシフトしています。 コンピュータベースのシステムは、品質と生産性を向上させることができるが、作業には柔軟性がなく、そのようなシステムのコストは著しく高い。 これにより、産業タスクを実行するための自動化システムの迅速な採用につながった。 工業的重要性の1つは、ある場所から別の場所へ物を選んで配置することである。 タスクの選択と配置における自動化の実装は、システムの効率とパフォーマンスの向上に役立つ。 本稿では,機械学習手法を用いた自動ロボットアームの設計と動作を実証する。 この研究は、オブジェクトの識別とトラバーサルに機械学習アプローチを使用し、より良い正確な結果を得るためにTensor Flowパッケージで採用されている。

関連論文リスト

• RAMPA: Robotic Augmented Reality for Machine Programming and Automation [4.963604518596734]
  本稿では,RAMPA(Robotic Augmented Reality for Machine Programming)を紹介する。 RAMPAは最先端のARヘッドセット、例えばMeta Quest 3の能力を利用するシステムである。 提案手法は,ユーザの物理的環境内で直接,スキルデモのその場でのデータ記録,可視化,微調整を可能にする。
  論文  参考訳（メタデータ） (2024-10-17T10:21:28Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning [15.615208767760663]
  本研究は、ディープラーニングと強化学習技術を活用した倉庫における自動ピッキングシステムに焦点を当てた。 ロボットのピッキング性能と複雑な環境への適応性を向上する上で,これらの技術の有効性を実証する。
  論文  参考訳（メタデータ） (2024-08-29T15:39:12Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)
• Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
  本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。 論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
  論文  参考訳（メタデータ） (2023-09-22T01:06:32Z)
• Stabilizing Contrastive RL: Techniques for Robotic Goal Reaching from Offline Data [101.43350024175157]
  自己指導型学習は、制御戦略を学ぶのに必要な人間のアノテーションとエンジニアリングの労力を減らす可能性がある。 我々の研究は、強化学習(RL)自体が自己監督的な問題であることを示す先行研究に基づいている。 コントラスト学習に基づく自己教師付きRLアルゴリズムは,実世界の画像に基づくロボット操作タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-06-06T01:36:56Z)
• Hyper-automation-The next peripheral for automation in IT industries [0.0]
  ハイパーオートメーションは、ビジネスユーザが実行したほぼすべての反復的なアクションを自動化します。 企業のトップ脳が完成できないかもしれない複雑なITビジネスプロセスを自動化する。 脳コンピュータインタフェース(BCI)は、自動化プロセスの検出と生成を前進させる。
  論文  参考訳（メタデータ） (2023-05-14T11:48:27Z)
• AutoML to Date and Beyond: Challenges and Opportunities [30.60364966752454]
  AutoMLツールは、機械学習を非機械学習の専門家が利用できるようにすることを目的としている。 本稿では,AutoMLシステムのための新しい分類システムを提案する。 エンド・ツー・エンドの機械学習パイプラインのさらなる自動化に必要な研究を指摘して、将来のロードマップを策定しました。
  論文  参考訳（メタデータ） (2020-10-21T06:08:21Z)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)
• Scalable Multi-Task Imitation Learning with Autonomous Improvement [159.9406205002599]
  我々は、自律的なデータ収集を通じて継続的に改善できる模倣学習システムを構築している。 我々は、ロボット自身の試行を、実際に試みたタスク以外のタスクのデモとして活用する。 従来の模倣学習のアプローチとは対照的に,本手法は,継続的改善のための疎い監視によるデータ収集を自律的に行うことができる。
  論文  参考訳（メタデータ） (2020-02-25T18:56:42Z)

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。