論文の概要: Grounding of the Functional Object-Oriented Network in Industrial Tasks
- arxiv url: http://arxiv.org/abs/2204.02274v1
- Date: Tue, 5 Apr 2022 15:15:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-06 14:16:22.596249
- Title: Grounding of the Functional Object-Oriented Network in Industrial Tasks
- Title(参考訳): 産業タスクにおける機能的オブジェクト指向ネットワークのグラウンド化
- Authors: Rafik Ayari, Matteo Pantano, David Paulius
- Abstract要約: 我々は,活動認識システムと協調ロボットシステムとの間のデータ交換の問題に焦点をあてる。
本稿では,機能的オブジェクト指向ネットワーク(FOON)を用いたリンクデータを用いた活動認識システムを提案する。
- 参考スコア(独自算出の注目度): 3.609538870261841
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this preliminary work, we propose to design an activity recognition system
that is suitable for Industrie 4.0 (I4.0) applications, especially focusing on
Learning from Demonstration (LfD) in collaborative robot tasks. More precisely,
we focus on the issue of data exchange between an activity recognition system
and a collaborative robotic system. We propose an activity recognition system
with linked data using functional object-oriented network (FOON) to facilitate
industrial use cases. Initially, we drafted a FOON for our use case.
Afterwards, an action is estimated by using object and hand recognition systems
coupled with a recurrent neural network, which refers to FOON objects and
states. Finally, the detected action is shared via a context broker using an
existing linked data model, thus enabling the robotic system to interpret the
action and execute it afterwards. Our initial results show that FOON can be
used for an industrial use case and that we can use existing linked data models
in LfD applications.
- Abstract(参考訳): 本稿では,ロボット協調作業における実演(lfd)から学ぶことに着目し,産業用4.0(i4.0)アプリケーションに適した行動認識システムを設計することを提案する。
より正確には、活動認識システムと協調ロボットシステムとの間のデータ交換の問題に焦点を当てる。
本稿では,機能的オブジェクト指向ネットワーク(FOON)を用いたリンクデータを用いた活動認識システムを提案する。
当初、ユースケースのためにFOONをドラフトしました。
その後、フォオンオブジェクトと状態を参照するリカレントニューラルネットワークとを結合したオブジェクトおよびハンド認識システムを用いて動作を推定する。
最後に、検出されたアクションは、既存のリンクデータモデルを使用してコンテキストブローカーを介して共有され、ロボットシステムがアクションを解釈して実行することができる。
最初の結果から, FOONは産業用として利用でき, 既存のリンクデータモデルをLfDアプリケーションで利用することができることがわかった。
関連論文リスト
- Toward General-Purpose Robots via Foundation Models: A Survey and
Meta-Analysis [73.89558418030418]
既存のロボットシステムは、特定のタスクのために設計され、特定のデータセットに基づいて訓練され、特定の環境にデプロイされている。
ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,我々は,基礎モデルをロボット工学に適用する方法を探究した。
論文 参考訳(メタデータ) (2023-12-14T10:02:55Z) - Interactive Planning Using Large Language Models for Partially
Observable Robotics Tasks [54.60571399091711]
大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。
LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
論文 参考訳(メタデータ) (2023-12-11T22:54:44Z) - Learning Action-Effect Dynamics for Hypothetical Vision-Language
Reasoning Task [50.72283841720014]
本研究では,行動の効果に関する推論を改善する新しい学習戦略を提案する。
本稿では,提案手法の有効性を実証し,性能,データ効率,一般化能力の観点から,従来のベースラインに対する優位性を論じる。
論文 参考訳(メタデータ) (2022-12-07T05:41:58Z) - Privacy-Preserving Machine Learning for Collaborative Data Sharing via
Auto-encoder Latent Space Embeddings [57.45332961252628]
データ共有プロセスにおけるプライバシ保護機械学習は、極めて重要なタスクである。
本稿では、オートエンコーダによる表現学習を用いて、プライバシーを保護した組込みデータを生成する革新的なフレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-10T17:36:58Z) - Virtual Reality via Object Poses and Active Learning: Realizing
Telepresence Robots with Aerial Manipulation Capabilities [39.29763956979895]
本稿では,動的・非構造環境下での空中操作を進展させる新しいテレプレゼンスシステムを提案する。
提案システムは触覚デバイスだけでなく、ロボットのワークスペースのリアルタイム3Dディスプレイを提供する仮想現実(VR)インターフェースも備えている。
DLRケーブル・サスペンド・エアリアルマニピュレータ(SAM)によるピック・アンド・プレイス、フォース・アプリケーション、ペグ・イン・ホールの70以上の堅牢な実行を示す。
論文 参考訳(メタデータ) (2022-10-18T08:42:30Z) - Skeleton-Based Mutually Assisted Interacted Object Localization and
Human Action Recognition [111.87412719773889]
本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。
本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
論文 参考訳(メタデータ) (2021-10-28T10:09:34Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳(メタデータ) (2021-09-09T16:04:14Z) - INODE: Building an End-to-End Data Exploration System in Practice
[Extended Vision] [30.411996388471817]
INODEはエンドツーエンドのデータ探索システムです。
私達は癌のバイオマーカーのReearch、研究および革新の方針の作成および天体物理学の分野の3つの重要な使用例でそれを実証します。
論文 参考訳(メタデータ) (2021-04-09T05:04:04Z) - Modular approach to data preprocessing in ALOHA and application to a
smart industry use case [0.0]
データ前処理と変換パイプラインをサポートするために、ALOHAツールフローに統合されたモジュラーアプローチに対処する。
提案手法の有効性を示すために,キーワードスポッティングのユースケースに関する実験結果を示す。
論文 参考訳(メタデータ) (2021-02-02T06:48:51Z) - Federated Learning with Heterogeneous Labels and Models for Mobile
Activity Monitoring [0.7106986689736827]
デバイス上でのフェデレーション学習は、分散的で協調的な機械学習に効果的なアプローチであることが証明されている。
本稿では,複数の活動にまたがる重なり合う情報ゲインを利用したラベルに基づくアグリゲーションのためのフレームワークを提案する。
Raspberry Pi 2上のHeterogeneity Human Activity Recognition (HHAR)データセットによる経験的評価は、決定論的精度が少なくとも11.01%向上したことを示している。
論文 参考訳(メタデータ) (2020-12-04T11:44:17Z) - Proactive Tasks Management based on a Deep Learning Model [9.289846887298852]
要求に基づいて,知的かつ積極的なタスク管理モデルを提案する。
私たちはDeep Machine Learning(DML)モデル、より具体的にはLong Short Term Memory(LSTM)ネットワークに依存しています。
提案手法は,最も効率的なアロケーションを導出しながら,ハエを決定できることを示す。
論文 参考訳(メタデータ) (2020-07-25T05:28:14Z)
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。