論文の概要: Detection and Physical Interaction with Deformable Linear Objects
- arxiv url: http://arxiv.org/abs/2205.08041v1
- Date: Tue, 17 May 2022 01:17:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-18 14:56:56.114913
- Title: Detection and Physical Interaction with Deformable Linear Objects
- Title（参考訳）: 変形可能な線形物体の検出と物理的相互作用
- Authors: Azarakhsh Keipour, Mohammadreza Mousaei, Maryam Bandari, Stefan
Schaal, Sebastian Scherer
- Abstract要約: 変形可能な線形オブジェクト(例えば、ケーブル、ロープ、スレッド)は、私たちの日常生活に一般的に現れます。
変形可能な線形オブジェクトをモデル化し追跡する手法はすでに成功している。
本研究では,地上および空中ロボットによるルーティングや操作などのタスクに本手法を用いることについて述べる。
- 参考スコア（独自算出の注目度）: 10.707804359932604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deformable linear objects (e.g., cables, ropes, and threads) commonly appear
in our everyday lives. However, perception of these objects and the study of
physical interaction with them is still a growing area. There have already been
successful methods to model and track deformable linear objects. However, the
number of methods that can automatically extract the initial conditions in
non-trivial situations for these methods has been limited, and they have been
introduced to the community only recently. On the other hand, while physical
interaction with these objects has been done with ground manipulators, there
have not been any studies on physical interaction and manipulation of the
deformable linear object with aerial robots.
This workshop describes our recent work on detecting deformable linear
objects, which uses the segmentation output of the existing methods to provide
the initialization required by the tracking methods automatically. It works
with crossings and can fill the gaps and occlusions in the segmentation and
output the model desirable for physical interaction and simulation. Then we
present our work on using the method for tasks such as routing and manipulation
with the ground and aerial robots. We discuss our feasibility analysis on
extending the physical interaction with these objects to aerial manipulation
applications.
- Abstract（参考訳）: 変形可能な線形オブジェクト(ケーブル、ロープ、糸など)は、私たちの日常生活によく現れます。
しかし、これらの物体の知覚とそれらとの物理的相互作用の研究はまだ成長している領域である。
変形可能な線形オブジェクトをモデル化し追跡する手法はすでに成功している。
しかし,非自明な状況における初期条件を自動的に抽出できる手法は限られており,コミュニティに導入されているのはごく最近である。
一方で、これらの物体との物理的相互作用は地上マニピュレータで行われているが、変形可能な線形物体と空中ロボットとの物理的相互作用や操作に関する研究は行われていない。
本ワークショップでは, 既存の手法のセグメント化出力を用いて, 追従手法が必要とする初期化を自動で提供する, 変形可能な線形オブジェクトの検出に関する最近の作業について述べる。
交差で機能し、セグメンテーションのギャップと閉塞を埋め、物理的相互作用やシミュレーションに望ましいモデルを出力することができる。
そこで本研究では,地上および空中ロボットによるルーティングや操作などのタスクにこの手法を用いることについて述べる。
我々は,これらの物体との物理的相互作用を空中操作アプリケーションに拡張する可能性解析について検討する。
関連論文リスト
- Articulated Object Manipulation using Online Axis Estimation with SAM2-Based Tracking [59.87033229815062]
アーティキュレートされたオブジェクト操作は、オブジェクトの軸を慎重に考慮する必要がある、正確なオブジェクトインタラクションを必要とする。
従来の研究では、対話的な知覚を用いて関節のある物体を操作するが、通常、オープンループのアプローチは相互作用のダイナミクスを見渡すことに悩まされる。
本稿では,対話的知覚と3次元点雲からのオンライン軸推定を統合したクローズドループパイプラインを提案する。
論文 参考訳（メタデータ） (2024-09-24T17:59:56Z) - Ins-HOI: Instance Aware Human-Object Interactions Recovery [44.02128629239429]
本稿では,エンド・ツー・エンドのインスタンス・アウェアなヒューマン・オブジェクト・インタラクション・リカバリ(Ins-HOI)フレームワークを提案する。
Ins-HOIはインスタンスレベルの再構築をサポートし、合理的で現実的な接触面を提供する。
我々は、現実世界の人間-椅子と手-物体の相互作用を伴う5.2kの高品質スキャンを含む、大規模で高忠実な3Dスキャンデータセットを収集します。
論文 参考訳（メタデータ） (2023-12-15T09:30:47Z) - Learning Extrinsic Dexterity with Parameterized Manipulation Primitives [8.7221770019454]
我々は、オブジェクトのポーズを変えるために環境を利用する一連のアクションを学習する。
我々のアプローチは、オブジェクトとグリップと環境の間の相互作用を利用してオブジェクトの状態を制御することができる。
拘束されたテーブルトップワークスペースから様々な重量,形状,摩擦特性の箱状物体を選別する手法の評価を行った。
論文 参考訳（メタデータ） (2023-10-26T21:28:23Z) - Grasp Transfer based on Self-Aligning Implicit Representations of Local
Surfaces [10.602143478315861]
本研究は,ロボットがこれまで遭遇した物体と形状の類似性を共有する新しい物体に,把握経験や実演を移す問題に対処する。
我々は、オブジェクトメッシュの小さなデータセットから暗黙の局所的な表面表現モデルを学ぶために、単一の専門家のグリーグデモを使用します。
推測時において、このモデルは、専門家の把握が示される表面と最も幾何学的に類似した表面を識別することにより、新しい物体に把握を伝達するために使用される。
論文 参考訳（メタデータ） (2023-08-15T14:33:17Z) - Efficient Representations of Object Geometry for Reinforcement Learning
of Interactive Grasping Policies [29.998917158604694]
本稿では,様々な幾何学的に異なる実世界の物体の対話的把握を学習する強化学習フレームワークを提案する。
学習したインタラクティブなポリシーのビデオはhttps://maltemosbach.org/io/geometry_aware_grasping_policiesで公開されている。
論文 参考訳（メタデータ） (2022-11-20T11:47:33Z) - Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。
既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。
私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文 参考訳（メタデータ） (2022-03-18T21:13:56Z) - Deformable One-Dimensional Object Detection for Routing and Manipulation [8.860083597706502]
本稿では, 交差や閉塞を扱える変形可能な一次元物体の検出手法を提案する。
本アルゴリズムは, 変形可能な物体を含む画像を取得し, 受動球面継手に接続された固定長円筒セグメントの連鎖を出力する。
実験と実験により, 様々な複雑な条件下で変形可能な一次元物体を正確に検出できることが判明した。
論文 参考訳（メタデータ） (2022-01-18T07:19:17Z) - A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation [59.29922697476789]
本稿では,変形可能な物体の状態を分布埋め込みとして表現する手法を用いて,画像列から状態情報を抽出する手法を提案する。
実験により, 弾性, 摩擦, スケールなどの物性の後方分布を, 布やロープなどの高変形性物体で推定できることが確認された。
論文 参考訳（メタデータ） (2021-12-09T17:50:54Z) - 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) - Towards unconstrained joint hand-object reconstruction from RGB videos [81.97694449736414]
ハンドオブジェクト操作の再構築は、ロボット工学と人間のデモから学ぶ大きな可能性を秘めている。
まず,手動物体の相互作用をシームレスに処理できる学習不要な手動物体再構成手法を提案する。
論文 参考訳（メタデータ） (2021-08-16T12:26:34Z) - Occlusion resistant learning of intuitive physics from videos [52.25308231683798]
人工システムの鍵となる能力は、オブジェクト間の物理的相互作用を理解し、状況の将来的な結果を予測することである。
この能力は直感的な物理学と呼ばれ、近年注目されており、ビデオシーケンスからこれらの物理規則を学ぶためのいくつかの方法が提案されている。
論文 参考訳（メタデータ） (2020-04-30T19:35:54Z)
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。