論文の概要: HandoverSim: A Simulation Framework and Benchmark for Human-to-Robot
Object Handovers
- arxiv url: http://arxiv.org/abs/2205.09747v1
- Date: Thu, 19 May 2022 17:59:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-20 14:40:31.321509
- Title: HandoverSim: A Simulation Framework and Benchmark for Human-to-Robot
Object Handovers
- Title(参考訳): HandoverSim:人間とロボットのオブジェクトハンドオーバのためのシミュレーションフレームワークとベンチマーク
- Authors: Yu-Wei Chao, Chris Paxton, Yu Xiang, Wei Yang, Balakumar
Sundaralingam, Tao Chen, Adithyavairavan Murali, Maya Cakmak, Dieter Fox
- Abstract要約: HandoverSimは、人間からロボットへのオブジェクトハンドオーバのシミュレーションベンチマークである。
我々は、物体の手でのつかみの最近のモーションキャプチャーデータセットを活用する。
標準化されたプロトコルとメトリクスを使って受信機のトレーニングと評価環境を作成します。
- 参考スコア(独自算出の注目度): 60.45158007016316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a new simulation benchmark "HandoverSim" for human-to-robot
object handovers. To simulate the giver's motion, we leverage a recent motion
capture dataset of hand grasping of objects. We create training and evaluation
environments for the receiver with standardized protocols and metrics. We
analyze the performance of a set of baselines and show a correlation with a
real-world evaluation. Code is open sourced at https://handover-sim.github.io.
- Abstract(参考訳): 我々は人間とロボットのオブジェクトハンドオーバのための新しいシミュレーションベンチマーク"HandoverSim"を紹介する。
本研究は,手の動きをシミュレートするために,物体の握手の最近の動きキャプチャーデータセットを利用する。
標準化されたプロトコルとメトリクスを使って受信機のトレーニングと評価環境を作成します。
本研究では,一連のベースラインの性能を分析し,実世界評価と相関関係を示す。
コードはhttps://handover-sim.github.ioで公開されている。
関連論文リスト
- SynH2R: Synthesizing Hand-Object Motions for Learning Human-to-Robot
Handovers [37.49601724575655]
視覚に基づく人間とロボットのハンドオーバは、人間とロボットのインタラクションにおいて重要かつ困難なタスクである。
本稿では,ロボットの訓練に適した人間のつかみ動作を生成するためのフレームワークを提案する。
これにより、以前の作業よりも100倍多くのオブジェクトで、総合的なトレーニングとテストデータを生成することができます。
論文 参考訳(メタデータ) (2023-11-09T18:57:02Z) - Benchmarking the Sim-to-Real Gap in Cloth Manipulation [10.530012817995656]
布の操作におけるシム・トゥ・リアルギャップを評価するためのベンチマークデータセットを提案する。
このデータセットを用いて、一般的な4つの変形可能なオブジェクトシミュレータの現実的ギャップ、計算時間、安定性を評価する。
論文 参考訳(メタデータ) (2023-10-14T09:36:01Z) - Metaphorical User Simulators for Evaluating Task-oriented Dialogue
Systems [80.77917437785773]
タスク指向対話システム(TDS)は、主にオフラインまたは人間による評価によって評価される。
本稿では,エンド・ツー・エンドのTDS評価のためのメタファ型ユーザシミュレータを提案する。
また,異なる機能を持つ対話システムなどの変種を生成するためのテスタベースの評価フレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-02T05:11:03Z) - DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。
DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。
実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
論文 参考訳(メタデータ) (2021-04-30T15:30:05Z) - DexYCB: A Benchmark for Capturing Hand Grasping of Objects [101.48808584983867]
DexYCBは、オブジェクトのハンドグルーピングをキャプチャする新しいデータセットである。
3つの関連するタスクに対する最先端のアプローチのベンチマークを示す。
次に、ロボットとロボットのハンドオーバで安全なロボットの把握を生成する新しいロボティクス関連タスクを評価します。
論文 参考訳(メタデータ) (2021-04-09T22:54:21Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳(メタデータ) (2020-11-17T22:24:26Z) - Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial
Observability in Visual Navigation [62.22058066456076]
強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。
RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。
本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
論文 参考訳(メタデータ) (2020-07-27T17:46:59Z)
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。