論文の概要: 6N-DoF Pose Tracking for Tensegrity Robots

• arxiv url: http://arxiv.org/abs/2205.14764v1
• Date: Sun, 29 May 2022 20:55:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-01 11:11:59.794587
• Title: 6N-DoF Pose Tracking for Tensegrity Robots
• Title（参考訳）: テンセグリティロボットのための6n-dof姿勢追跡
• Authors: Shiyang Lu, William R. Johnson III, Kun Wang, Xiaonan Huang, Joran Booth, Rebecca Kramer-Bottiglio, Kostas Bekris
• Abstract要約: 引張ロボットは剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)から構成される この研究は、マーカーのない視覚に基づく方法で、緊張するロボットのポーズトラッキングに対処することを目的としている。 RGB-Dビデオから張力ロボットの各剛体要素の6-DoFポーズを反復的に推定するプロセスを提案する。
• 参考スコア（独自算出の注目度）: 5.398092221687385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tensegrity robots, which are composed of rigid compressive elements (rods) and flexible tensile elements (e.g., cables), have a variety of advantages, including flexibility, light weight, and resistance to mechanical impact. Nevertheless, the hybrid soft-rigid nature of these robots also complicates the ability to localize and track their state. This work aims to address what has been recognized as a grand challenge in this domain, i.e., the pose tracking of tensegrity robots through a markerless, vision-based method, as well as novel, onboard sensors that can measure the length of the robot's cables. In particular, an iterative optimization process is proposed to estimate the 6-DoF poses of each rigid element of a tensegrity robot from an RGB-D video as well as endcap distance measurements from the cable sensors. To ensure the pose estimates of rigid elements are physically feasible, i.e., they are not resulting in collisions between rods or with the environment, physical constraints are introduced during the optimization. Real-world experiments are performed with a 3-bar tensegrity robot, which performs locomotion gaits. Given ground truth data from a motion capture system, the proposed method achieves less than 1 cm translation error and 3 degrees rotation error, which significantly outperforms alternatives. At the same time, the approach can provide pose estimates throughout the robot's motion, while motion capture often fails due to occlusions.
• Abstract（参考訳）: 剛性圧縮要素(ロッド)と柔軟な引張要素(ケーブルなど)で構成されるテンセグリティロボットは、柔軟性、軽量、機械的衝撃に対する耐性など、様々な利点がある。 それでも、これらのロボットのハイブリッドソフト剛性は、その状態のローカライズと追跡を複雑にする。 この研究は、この領域で大きな課題として認識されていること、すなわち、マーカーレスで視覚に基づく手法による緊張ロボットのポーズトラッキング、およびロボットのケーブルの長さを計測できる新しいオンボードセンサーに対処することを目的としている。 特に,RGB-Dビデオから,伸縮性ロボットの各剛体要素の6-DoFポーズを推定し,ケーブルセンサからの距離を計測する反復最適化手法を提案する。 剛体要素のポーズ推定が物理的に実現可能であること、すなわちロッド間の衝突や環境との衝突が生じないことを保証するため、最適化中に物理的制約を導入する。 実世界の実験は、移動歩行を行う3バーバーテングレティロボットを用いて行われる。 モーションキャプチャシステムからの基底真理データを考えると,提案手法は1cm未満の翻訳誤差と3度回転誤差を達成し,代替案を著しく上回っている。 同時に、ロボットの動き全体を通してポーズ推定を行うことができるが、モーションキャプチャは閉塞によって失敗することが多い。

関連論文リスト

• Robot See Robot Do: Imitating Articulated Object Manipulation with Monocular 4D Reconstruction [51.49400490437258]
  本研究は,1つの単分子RGB人間の実演から音声による物体操作を模倣する手法を開発した。 まず,モノクロ映像から3次元部分運動を復元する4次元微分可能部品モデル(4D-DPM)を提案する。 この4D再構成を前提として、ロボットは物体の軌道を再現し、両腕の動きを計画し、実証された物体部分の動きを誘導する。 両用するYuMiロボットを用いて,4D-DPMの3D追跡精度を実写3D部分軌跡に基づいて評価し,9つのオブジェクトに対してRSRDの物理的実行性能を評価した。
  論文  参考訳（メタデータ） (2024-09-26T17:57:16Z)
• Exploring 3D Human Pose Estimation and Forecasting from the Robot's Perspective: The HARPER Dataset [52.22758311559]
  本研究では,ユーザとスポット間のダイアドインタラクションにおける3次元ポーズ推定と予測のための新しいデータセットであるHARPERを紹介する。 キーノーベルティは、ロボットの視点、すなわちロボットのセンサーが捉えたデータに焦点を当てることである。 HARPERの基盤となるシナリオには15のアクションが含まれており、そのうち10つはロボットとユーザの間の物理的接触を含んでいる。
  論文  参考訳（メタデータ） (2024-03-21T14:53:50Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Real-time Holistic Robot Pose Estimation with Unknown States [30.41806081818826]
  RGB画像からロボットのポーズを推定することは、コンピュータビジョンとロボット工学において重要な問題である。 従来の手法では、例えば接地型ロボットの関節角など、ロボットの内部状態の完全な知識が想定されていた。 本研究は,RGB画像からリアルタイムロボットのポーズ推定を行う上で,既知のロボットの状態を必要としない効率的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-08T13:12:50Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Image-based Pose Estimation and Shape Reconstruction for Robot Manipulators and Soft, Continuum Robots via Differentiable Rendering [20.62295718847247]
  自律システムは3D世界における動きを捉えローカライズするためにセンサーに依存しているため、計測データからの状態推定はロボットアプリケーションにとって極めて重要である。 本研究では,カメラ画像から画像に基づくロボットのポーズ推定と形状再構成を実現する。 柔らかい連続ロボットの形状再構成において,幾何学的形状プリミティブを用いる手法が高精度であり,ロボットマニピュレータの姿勢推定が可能であることを実証した。
  論文  参考訳（メタデータ） (2023-02-27T18:51:29Z)
• Real2Sim2Real Transfer for Control of Cable-driven Robots via a Differentiable Physics Engine [9.268539775233346]
  テンセグリティロボットは、高い強度と重量比と大きな変形を示す。 しかし、それらは高次元性、複雑な力学、結合アーキテクチャのために制御が難しい。 本稿では,Real2Sim2Real(R2S2R)戦略について述べる。
  論文  参考訳（メタデータ） (2022-09-13T18:51:26Z)
• Regularized Deep Signed Distance Fields for Reactive Motion Generation [30.792481441975585]
  距離に基づく制約は、ロボットが自分の行動を計画し、安全に行動できるようにするための基本となる。 本研究では,任意のスケールでスムーズな距離場を計算できる単一暗黙関数ReDSDFを提案する。 共有作業空間における全身制御(WBC)と安全なヒューマンロボットインタラクション(HRI)のための代表的タスクにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-03-09T14:21:32Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Autonomous Navigation of Underactuated Bipedal Robots in Height-Constrained Environments [20.246040671823554]
  本稿では,二足歩行ロボットのためのエンドツーエンドの自律ナビゲーションフレームワークを提案する。 平面歩行と垂直歩行高さの結合力学を捉えるために,垂直移動式Spring-Loaded Inverted Pendulum (vSLIP)モデルを導入した。 可変歩行高さ制御装置を利用して、二足歩行ロボットは、計画された軌跡に従いながら、安定した周期歩行歩行を維持できる。
  論文  参考訳（メタデータ） (2021-09-13T05:36:14Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。