Fugu-MT 論文翻訳(概要): Visuo-Haptic Object Perception for Robots: An Overview

論文の概要: Visuo-Haptic Object Perception for Robots: An Overview

arxiv url: http://arxiv.org/abs/2203.11544v1
Date: Tue, 22 Mar 2022 08:55:36 GMT
ステータス: 処理完了
システム内更新日: 2022-03-24 02:13:52.156438
Title: Visuo-Haptic Object Perception for Robots: An Overview
Title（参考訳）: Visuo-Haptic Object Perception for Robots: An Overview
Authors: Nicol\'as Navarro-Guerrero, Sibel Toprak, Josip Josifovski, Lorenzo Jamone
Abstract要約: 本稿では,ロボット応用におけるマルチモーダル物体認識の現状を概説する。生物学的インスピレーション、センサー技術、データセット、オブジェクト認識と把握のための知覚データ処理の側面をカバーしている。
参考スコア（独自算出の注目度）: 1.7033055327465234
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article summarizes the current state of multimodal object perception for robotic applications. It covers aspects of biological inspiration, sensor technologies, data sets, and sensory data processing for object recognition and grasping. Firstly, the biological basis of multimodal object perception is outlined. Then the sensing technologies and data collection strategies are discussed. Next, an introduction to the main computational aspects is presented, highlighting a few representative articles for each main application area, including object recognition, object manipulation and grasping, texture recognition, and transfer learning. Finally, informed by the current advancements in each area, this article outlines promising new research directions.
Abstract（参考訳）: 本稿では,ロボット応用におけるマルチモーダル物体認識の現状を要約する。生物的なインスピレーション、センサー技術、データセット、物体認識と把持のための知覚データ処理の側面をカバーする。まず,マルチモーダル物体知覚の生物学的基礎について概説する。次にセンシング技術とデータ収集戦略について述べる。次に、主な計算面の紹介を行い、オブジェクト認識、オブジェクト操作と把持、テクスチャ認識、転送学習など、主要なアプリケーション領域の代表的な記事をいくつか紹介する。最後に、各分野の最近の進歩から、新たな研究の方向性を概説する。

関連論文リスト

A Survey of Embodied Learning for Object-Centric Robotic Manipulation [27.569063968870868]
オブジェクト中心のロボット操作のための身体学習は、AIの急速に発展し、挑戦的な分野である。データ駆動機械学習とは異なり、具体化学習は環境との物理的相互作用を通じてロボット学習に焦点を当てる。
論文参考訳（メタデータ） (2024-08-21T11:32:09Z)
Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
論文参考訳（メタデータ） (2024-03-26T17:12:34Z)
The ObjectFolder Benchmark: Multisensory Learning with Neural and Real Objects [51.22194706674366]
マルチセンサーなオブジェクト中心学習のための10のタスクからなるベンチマークスイートであるObject Benchmarkを紹介した。また,100個の実世界の家庭用オブジェクトに対するマルチセンサー計測を含む,オブジェクトリアルデータセットについても紹介する。
論文参考訳（メタデータ） (2023-06-01T17:51:22Z)
A Comprehensive Study on Object Detection Techniques in Unconstrained Environments [0.0]
オブジェクト検出は、画像やビデオ内のオブジェクトを識別し、ローカライズすることを目的とした、コンピュータビジョンにおける重要なタスクである。近年のディープラーニングと畳み込みニューラルネットワーク(CNN)の進歩により、オブジェクト検出技術の性能が大幅に向上した。本稿では,制約のない環境下でのオブジェクト検出技術について,様々な課題,データセット,最先端のアプローチを含む包括的研究を行う。
論文参考訳（メタデータ） (2023-04-11T15:45:03Z)
Recent Advances in Embedding Methods for Multi-Object Tracking: A Survey [71.10448142010422]
マルチオブジェクトトラッキング(MOT)は、動画フレーム全体で対象物を関連付け、移動軌道全体を取得することを目的としている。埋め込み法はMOTにおける物体の位置推定と時間的同一性関連において重要な役割を担っている。まず 7 つの異なる視点からMOT への埋め込み手法の奥行き解析による包括的概要を述べる。
論文参考訳（メタデータ） (2022-05-22T06:54:33Z)
MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文参考訳（メタデータ） (2021-12-29T17:23:24Z)
Roadmap on Signal Processing for Next Generation Measurement Systems [0.222020259427608]
人工知能と機械学習の最近の進歩は、研究の注目をインテリジェントでデータ駆動の信号処理へとシフトさせている。このロードマップは、次世代計測システムに向けた今後の課題と研究の機会を強調するために、最先端の手法と応用について批判的な概要を提示する。基礎研究から工業研究まで幅広い分野をカバーし、研究分野ごとの現在と将来の発展の傾向と影響を反映した簡潔なテーマのセクションで組織されている。
論文参考訳（メタデータ） (2021-11-03T19:39:34Z)
ObjectFolder: A Dataset of Objects with Implicit Visual, Auditory, and Tactile Representations [52.226947570070784]
両課題に対処する100のオブジェクトからなるデータセットであるObjectを,2つの重要なイノベーションで紹介する。まず、オブジェクトは視覚的、聴覚的、触覚的なすべてのオブジェクトの知覚データをエンコードし、多数の多感覚オブジェクト認識タスクを可能にする。第2に、Objectは統一されたオブジェクト中心のシミュレーションと、各オブジェクトの視覚的テクスチャ、触覚的読み出し、触覚的読み出しに暗黙的な表現を採用しており、データセットの使用が柔軟で共有が容易である。
論文参考訳（メタデータ） (2021-09-16T14:00:59Z)
Capturing the objects of vision with neural networks [0.0]
人間の視覚知覚はその物理的関節でシーンを彫り、世界をオブジェクトに分解する。対照的に、視覚物体認識のディープニューラルネットワーク(DNN)モデルは、主に感覚入力と結びついている。両分野の関連研究をレビューし、これらの分野が相互にどのように役立つかを検討する。
論文参考訳（メタデータ） (2021-09-07T21:49:53Z)
Simultaneous Multi-View Object Recognition and Grasping in Open-Ended Domains [0.0]
オープンなオブジェクト認識と把握を同時に行うために,メモリ容量を増強したディープラーニングアーキテクチャを提案する。シミュレーションと実世界設定の両方において,本手法が未確認のオブジェクトを把握し,現場でのごくわずかな例を用いて,新たなオブジェクトカテゴリを迅速に学習できることを実証する。
論文参考訳（メタデータ） (2021-06-03T14:12:11Z)
A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。