論文の概要: Neural Inverse Kinematics
- arxiv url: http://arxiv.org/abs/2205.10837v1
- Date: Sun, 22 May 2022 14:44:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-29 23:16:32.553702
- Title: Neural Inverse Kinematics
- Title（参考訳）: 神経逆運動学
- Authors: Raphael Bensadoun, Shir Gur, Nitsan Blau, Tom Shenkar, Lior Wolf
- Abstract要約: 逆キネマティック(英語版)(IK)法は、キネマティックチェインにおける選択された要素の所望の位置から関節のパラメータを復元する。
本稿では,問題階層構造を用いて,所望の位置に条件付き有効関節角度を逐次サンプリングするニューラルIK法を提案する。
- 参考スコア（独自算出の注目度）: 72.85330210991508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inverse kinematic (IK) methods recover the parameters of the joints, given
the desired position of selected elements in the kinematic chain. While the
problem is well-defined and low-dimensional, it has to be solved rapidly,
accounting for multiple possible solutions. In this work, we propose a neural
IK method that employs the hierarchical structure of the problem to
sequentially sample valid joint angles conditioned on the desired position and
on the preceding joints along the chain. In our solution, a hypernetwork $f$
recovers the parameters of multiple primary networks {$g_1,g_2,\dots,g_N$,
where $N$ is the number of joints}, such that each $g_i$ outputs a distribution
of possible joint angles, and is conditioned on the sampled values obtained
from the previous primary networks $g_j, j<i$. The hypernetwork can be trained
on readily available pairs of matching joint angles and positions, without
observing multiple solutions. At test time, a high-variance joint distribution
is presented, by sampling sequentially from the primary networks. We
demonstrate the advantage of the proposed method both in comparison to other IK
methods for isolated instances of IK and with regard to following the path of
the end effector in Cartesian space.
- Abstract（参考訳）: 逆キネマティック (inverse kinematic, ik) 法は、キネマティックチェーン内の選択された要素の所望の位置から関節のパラメータを回復する。
問題はよく定義され、低次元であるが、複数の可能な解を考慮し、迅速に解かなければならない。
本研究では,その階層構造を利用して,所望位置およびチェーン沿いの先行関節に条件付された有効関節角度を逐次サンプリングするニューラルネットワークIK法を提案する。
この解において、ハイパーネットワーク $f$ は複数のプライマリネットワーク {$g_1,g_2,\dots,g_n$, ここで $n$ はジョイント数である) のパラメータを回復し、各$g_i$ は可能なジョイントアングルの分布を出力し、前のプライマリネットワークから得られたサンプル値 $g_j, j<i$ を条件とする。
ハイパーネットワークは、複数の解を観察することなく、容易に利用可能な関節角度と位置のペアで訓練することができる。
テスト時には、プライマリネットワークから順次サンプリングすることにより、高分散ジョイント分布を示す。
提案手法の利点は, IK の孤立例に対する他の IK 法との比較と,カルテシアン空間における終端エフェクタの経路に従うことの両方である。
関連論文リスト
- Revisiting Multi-Permutation Equivariance through the Lens of Irreducible Representations [3.0222726571099665]
非シーム層は、グラフ異常検出、重み空間アライメント、ワッサーシュタイン距離の学習といったタスクのパフォーマンスを向上させることができることを示す。
また、これらの追加の非シーム層は、グラフ異常の検出、重み空間のアライメント、ワッサーシュタイン距離の学習といったタスクのパフォーマンスを向上させることを実証的に示す。
論文 参考訳（メタデータ） (2024-10-09T08:19:31Z) - Equivariant Deep Weight Space Alignment [54.65847470115314]
本稿では,ウェイトアライメント問題を解決するための学習を目的とした新しいフレームワークを提案する。
まず、重み調整が2つの基本対称性に一致することを証明し、それからこれらの対称性を尊重する深いアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-10-20T10:12:06Z) - Joint Bayesian Inference of Graphical Structure and Parameters with a
Single Generative Flow Network [59.79008107609297]
本稿では,ベイジアンネットワークの構造上の結合後部を近似する手法を提案する。
サンプリングポリシが2フェーズプロセスに従う単一のGFlowNetを使用します。
パラメータは後部分布に含まれるため、これは局所確率モデルに対してより柔軟である。
論文 参考訳（メタデータ） (2023-05-30T19:16:44Z) - On the Effective Number of Linear Regions in Shallow Univariate ReLU
Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。
我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文 参考訳（メタデータ） (2022-05-18T16:57:10Z) - An application of the splitting-up method for the computation of a
neural network representation for the solution for the filtering equations [68.8204255655161]
フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。
フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。
我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
論文 参考訳（メタデータ） (2022-01-10T11:01:36Z) - PCAM: Product of Cross-Attention Matrices for Rigid Registration of
Point Clouds [79.99653758293277]
PCAMは、キー要素がクロスアテンション行列のポイントワイズ積であるニューラルネットワークである。
そこで本研究では,PCAMがステップ(a)とステップ(b)をディープネットを介して共同で解決する手法によって,最先端の成果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-04T09:23:27Z) - A hybrid variance-reduced method for decentralized stochastic non-convex
optimization [15.447966950703947]
textttGTHSGDアルゴリズムは、グローバルな勾配を追跡するためにネットワークを実装している。
textttGTHSGDは、必要なエラートレランス$epsilon$が十分小さいときに、ネットワークの複雑さを$O(n-1)$にします。
論文 参考訳（メタデータ） (2021-02-12T20:13:05Z) - Simultaneous Decision Making for Stochastic Multi-echelon Inventory
Optimization with Deep Neural Networks as Decision Makers [0.7614628596146599]
本稿では、ディープニューラルネットワーク(DNN)を用いて、複雑なマルチエケロンサプライチェーンの在庫決定を最適化するフレームワークを提案する。
本手法は,組立ノードと配電ノードの両方を含む一般的なトポロジを含む,多種多様なサプライチェーンネットワークに適している。
論文 参考訳（メタデータ） (2020-06-10T02:02:52Z) - Efficient Clustering for Stretched Mixtures: Landscape and Optimality [4.2111286819721485]
本稿では,2つの楕円分布の平衡混合から抽出された未ラベルのサンプルを受信する正準クラスタリング問題について考察する。
非最適クラスタリング関数は、サンプルサイズが一定の統計的目標を超えると、望ましい幾何学的性質を示す。
論文 参考訳（メタデータ） (2020-03-22T17:57:07Z)
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。