論文の概要: Imitation of Manipulation Skills Using Multiple Geometries

• arxiv url: http://arxiv.org/abs/2203.01171v1
• Date: Wed, 2 Mar 2022 15:19:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-03 15:30:16.253062
• Title: Imitation of Manipulation Skills Using Multiple Geometries
• Title（参考訳）: 複数のジオメトリを用いたマニピュレーションスキルの模倣
• Authors: Boyang Ti, Yongsheng Gao, Jie Zhao and Sylvain Calinon
• Abstract要約: 本稿では,座標系の辞書から最適表現を抽出し,観測された動きを表現する学習手法を提案する。 本研究では,シミュレーションおよび7軸フランカ・エミカロボットのグリーピングおよびボックスオープニングタスクに適用する。
• 参考スコア（独自算出の注目度）: 20.21868546298435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Daily manipulation tasks are characterized by regular characteristics associated with the task structure, which can be described by multiple geometric primitives related to actions and object shapes. Such geometric descriptors can not be expressed only in Cartesian coordinate systems. In this paper, we propose a learning approach to extract the optimal representation from a dictionary of coordinate systems to represent an observed movement. This is achieved by using an extension of Gaussian distributions on Riemannian manifolds, which is used to analyse a set of user demonstrations statistically, by considering multiple geometries as candidate representations of the task. We formulate the reproduction problem as a general optimal control problem based on an iterative linear quadratic regulator (iLQR), where the Gaussian distribution in the extracted coordinate systems are used to define the cost function. We apply our approach to grasping and box opening tasks in simulation and on a 7-axis Franka Emika robot. The results show that the robot can exploit several geometries to execute the manipulation task and generalize it to new situations, by maintaining the invariant features of the skill in the coordinate system(s) of interest.
• Abstract（参考訳）: 日々の操作タスクはタスク構造に関連する規則的な特徴によって特徴づけられ、アクションやオブジェクト形状に関連する複数の幾何学的プリミティブによって記述できる。 このような幾何学的記述子はデカルト座標系でしか表現できない。 本稿では,観測された動きを表現するための座標系辞書から最適な表現を抽出するための学習手法を提案する。 これはリーマン多様体上のガウス分布の拡張を用いて実現され、複数の幾何学をタスクの候補表現として考慮し、統計学的にユーザデモの集合を分析するのに用いられる。 本稿では,抽出された座標系におけるガウス分布を用いてコスト関数を定義する反復線形二次法則 (iLQR) に基づいて,再生問題を一般的な最適制御問題として定式化する。 シミュレーションおよび7軸フランカ・エミカロボット上での把持および箱開け作業に本手法を適用した。 その結果,ロボットは複数のジオメトリを利用して操作タスクを実行し,興味のある座標系におけるスキルの不変な特徴を保ちながら,新たな状況に一般化できることがわかった。

関連論文リスト

• Symmetry Discovery for Different Data Types [52.2614860099811]
  等価ニューラルネットワークは、そのアーキテクチャに対称性を取り入れ、より高度な一般化性能を実現する。 本稿では,タスクの入出力マッピングを近似したトレーニングニューラルネットワークによる対称性発見手法であるLieSDを提案する。 我々は,2体問題,慣性行列予測のモーメント,トップクォークタグ付けといった課題におけるLieSDの性能を検証した。
  論文  参考訳（メタデータ） (2024-10-13T13:39:39Z)
• Polynomial Chaos Expansions on Principal Geodesic Grassmannian Submanifolds for Surrogate Modeling and Uncertainty Quantification [0.41709348827585524]
  高次元システムにおける不確実性のための多様体学習に基づく代理モデリングフレームワークを提案する。 反応のグラスマン多様体上の主測地線解析を用いて、不随伴な主測地線部分多様体の集合を同定する。 次に、ランダムな入力パラメータと応答の投影の間のマッピングを構築するために、多項式カオス展開を用いる。
  論文  参考訳（メタデータ） (2024-01-30T02:13:02Z)
• Variational Barycentric Coordinates [18.752506994498845]
  一般化された偏心座標の最適化のための変分手法を提案する。 我々は,ポリトープ内部の任意の座標を,ニューラルネットワークを用いてバリ中心座標にマッピングする連続関数を直接パラメータ化する。
  論文  参考訳（メタデータ） (2023-10-05T19:45:06Z)
• Assembly Planning from Observations under Physical Constraints [65.83676649042623]
  提案アルゴリズムは, 物理安定性制約, 凸最適化, モンテカルロ木探索の簡単な組み合わせを用いて, 集合を計画する。 それは効率的で、最も重要なことは、オブジェクト検出のエラーに対して堅牢であり、実際のロボットシステムでは避けられないポーズ推定である。
  論文  参考訳（メタデータ） (2022-04-20T16:51:07Z)
• Group invariant machine learning by fundamental domain projections [0.5156484100374058]
  我々は幾何学的トポロジーの観点から、教師付き群不変および同変機械学習のよく研究された問題にアプローチする。 本稿では,入力データを幾何学的空間に投影する前処理ステップを用いた新しい手法を提案する。 この新しいデータは任意の機械学習モデルの入力になる。
  論文  参考訳（メタデータ） (2022-02-04T14:45:57Z)
• Geometry-aware Bayesian Optimization in Robotics using Riemannian Mat\'ern Kernels [64.62221198500467]
  ベイズ最適化のための幾何対応カーネルの実装方法を示す。 この技術は、ロボット工学における制御パラメータチューニング、パラメトリックポリシー適応、構造設計に利用できる。
  論文  参考訳（メタデータ） (2021-11-02T09:47:22Z)
• Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
  本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。 メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
  論文  参考訳（メタデータ） (2021-08-09T18:16:08Z)
• Manifold learning-based polynomial chaos expansions for high-dimensional surrogate models [0.0]
  システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。 提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
  論文  参考訳（メタデータ） (2021-07-21T00:24:15Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)
• Object-Centric Multi-View Aggregation [86.94544275235454]
  本稿では,オブジェクトのスパースなビュー集合を集約して,半単純3次元表現を容積特徴格子の形で計算する手法を提案する。 我々のアプローチの鍵となるのは、カメラのポーズを明示することなく、ビューを持ち上げることができるオブジェクト中心の標準3D座標システムである。 画素から標準座標系への対称対応マッピングの計算により、未知の領域への情報伝達がより良くなることを示す。
  論文  参考訳（メタデータ） (2020-07-20T17:38:31Z)
• Stochastic Flows and Geometric Optimization on the Orthogonal Group [52.50121190744979]
  直交群 $O(d)$ 上の幾何駆動最適化アルゴリズムの新しいクラスを示す。 提案手法は,深層,畳み込み,反復的なニューラルネットワーク,強化学習,フロー,メトリック学習など,機械学習のさまざまな分野に適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-30T15:37:50Z)

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。