論文の概要: Robotic Dough Shaping
- arxiv url: http://arxiv.org/abs/2208.00386v1
- Date: Sun, 31 Jul 2022 07:50:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 13:10:49.162899
- Title: Robotic Dough Shaping
- Title（参考訳）: ロボットの生地形成
- Authors: Jan Ondras, Di Ni, Xi Deng, Zeqi Gu, Henry Zheng
- Abstract要約: 我々は3種類の変形性材料にわたる広範囲な実験において,ドウ収縮作用を含むいくつかの制御方針を提示し,比較した。
その結果,2D/3Dドウセンチュロイドよりも高いドウ点から転がるドウの方が効率的であることが示唆された。
Play-Doh素材は、プラスチックやキネティックサンドに比べて、ターゲット形状に成形し易い。
- 参考スコア（独自算出の注目度）: 1.5049442691806052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address the problem of shaping a piece of dough-like deformable material
into a 2D target shape presented upfront. We use a 6 degree-of-freedom
WidowX-250 Robot Arm equipped with a rolling pin and information collected from
an RGB-D camera and a tactile sensor. We present and compare several control
policies, including a dough shrinking action, in extensive experiments across
three kinds of deformable materials and across three target dough shape sizes,
achieving the intersection over union (IoU) of 0.90. Our results show that: i)
rolling dough from the highest dough point is more efficient than from the
2D/3D dough centroid; ii) it might be better to stop the roll movement at the
current dough boundary as opposed to the target shape outline; iii) the shrink
action might be beneficial only if properly tuned with respect to the exapand
action; and iv) the Play-Doh material is easier to shape to a target shape as
compared to Plasticine or Kinetic sand. Video demonstrations of our work are
available at https://youtu.be/ZzLMxuITdt4
- Abstract（参考訳）: ドーナツ状変形性材料を前方に提示した2次元ターゲット形状に成形する問題に対処する。
ローリングピンとrgb-dカメラと触覚センサから収集した情報を備えた6自由度wildx-250ロボットアームを使用する。
3種類の変形可能な材料および3種類のターゲット生地形状サイズにわたる広範囲な実験において,ドーナツ収縮作用を含む複数の制御方針を提示,比較し,結合(iou)上の交差(iou)を0.90とした。
結果はこう示しています
一 最高生地点から転がり生地が2D/3D生地からより効率的であること。
二 目標形状の輪郭とは対照的に、現在の生地境界におけるロールの移動を阻止した方がよい。
三 収縮作用は、流出作用に関して適切に調整された場合に限り有益である。
四 プレイドー材は、可塑性砂又は運動砂と比較して、目標形状に変形し易い。
私たちの作品のビデオデモはhttps://youtu.be/zzlmxuitdt4で閲覧できます。
関連論文リスト
- Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。
具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
論文 参考訳（メタデータ） (2023-12-17T04:50:24Z) - DeformGS: Scene Flow in Highly Deformable Scenes for Deformable Object Manipulation [66.7719069053058]
DeformGSは、複数のカメラからダイナミックなシーンを同時撮影することで、高度に変形可能なシーンのシーンフローを復元するアプローチである。
DeformGSは最先端と比較して平均55.8%の3Dトラッキングを改善している。
十分なテクスチャで、DeformGSは1.5 x 1.5 mの布の上で3.3mmの中央値追跡誤差を達成している。
論文 参考訳（メタデータ） (2023-11-30T18:53:03Z) - SculptBot: Pre-Trained Models for 3D Deformable Object Manipulation [8.517406772939292]
粘土やパン生地のモデリングなどの塑性挙動を示す材料は, 応力下で永久に変形し, 常に形状が変化するため, 状態表現は困難である。
本研究では,点雲を状態表現として利用し,事前学習した点雲再構成変換器を用いて潜時力学モデルを学習し,把持動作による材料変形を予測するシステムを提案する。
論文 参考訳（メタデータ） (2023-09-15T19:27:44Z) - Invariant Training 2D-3D Joint Hard Samples for Few-Shot Point Cloud
Recognition [108.07591240357306]
我々は,従来の3次元モデルとよく訓練された2次元モデルとの合同予測を用いて,少数の3次元物体の雲認識におけるデータ不足問題に取り組む。
異なるラベルに対して高い信頼性の予測を行う'結合型ハードサンプル'のトレーニングは、クラックがより効果的でないことが分かりました。
InvJointと呼ばれる提案した不変トレーニング戦略は、ハードサンプルに重点を置いているだけでなく、矛盾する2Dと3Dの不明瞭な予測の相違も求めている。
論文 参考訳（メタデータ） (2023-08-18T17:43:12Z) - ISP: Multi-Layered Garment Draping with Implicit Sewing Patterns [57.176642106425895]
本稿では,現在のアプローチの限界に対処する衣服表現モデルを提案する。
これは、純粋に暗黙的な表面表現よりも高速で高品質な再構成をもたらす。
個々の2Dパネルを編集することで、衣服の形状やテクスチャを素早く編集できる。
論文 参考訳（メタデータ） (2023-05-23T14:23:48Z) - DeformerNet: Learning Bimanual Manipulation of 3D Deformable Objects [13.138509669247508]
弾性、3次元変形可能な物体の解析モデルは、物体の形状を決定する際に存在する潜在的無限の自由度を記述するために、多数のパラメータを必要とする。
従来の3D形状制御の試みは、オブジェクト形状を表現するために手作りの特徴に依存しており、オブジェクト固有の制御モデルの訓練が必要である。
DeformerNetニューラルネットワークアーキテクチャは、操作対象の部分ビューポイントクラウドと目標形状のポイントクラウドで動作する。
この形状埋め込みにより、ロボットは必要なロボットのエンドエフェクタ動作を計算するビジュアルサーボコントローラを学習することができる。
論文 参考訳（メタデータ） (2023-05-08T04:08:06Z) - MoDA: Modeling Deformable 3D Objects from Casual Videos [84.29654142118018]
神経二元四元系ブレンドスキンニング(NeuDBS)を提案し,スキンを折り畳むことなく3次元点変形を実現する。
異なるフレーム間で2Dピクセルを登録する試みにおいて、標準空間内の3D点を符号化する標準特徴埋め込みの対応性を確立する。
本手法は,ヒトと動物の3Dモデルを,最先端の手法よりも質的,定量的な性能で再構築することができる。
論文 参考訳（メタデータ） (2023-04-17T13:49:04Z) - A Kendall Shape Space Approach to 3D Shape Estimation from 2D Landmarks [0.5161531917413708]
単分子2次元画像から3次元形状を再構成するための,Kendallの形状空間に基づく新しい手法を提案する。
この研究は、サメの摂食行動を研究するための応用によって動機付けられている。
論文 参考訳（メタデータ） (2022-07-26T07:00:50Z) - Learning Visual Shape Control of Novel 3D Deformable Objects from
Partial-View Point Clouds [7.1659268120093635]
弾性、3次元変形可能な物体の解析モデルは、物体の形状を決定する際に存在する潜在的無限の自由度を記述するために、多数のパラメータを必要とする。
従来の3D形状制御の試みは、オブジェクト形状を表現するために手作りの特徴に依存しており、オブジェクト固有の制御モデルの訓練が必要である。
DeformerNetニューラルネットワークアーキテクチャは、操作対象の部分的な視点クラウドと目標形状の点クラウドで動作し、オブジェクト形状の低次元表現を学習する。
論文 参考訳（メタデータ） (2021-10-10T02:34:57Z) - A-SDF: Learning Disentangled Signed Distance Functions for Articulated
Shape Representation [62.517760545209065]
A-SDF (Articulated Signed Distance Functions) を導入して, 曲面形状を表す。
本モデルでは, 部分点群や実世界深度画像など, 未知のデータへの一般化を実証する。
論文 参考訳（メタデータ） (2021-04-15T17:53:54Z) - BiHand: Recovering Hand Mesh with Multi-stage Bisected Hourglass
Networks [37.65510556305611]
本稿では,2次元シードステージ,3次元リフトステージ,メッシュ生成ステージの3段階からなる,エンドツーエンドで学習可能なモデルBiHandを紹介する。
BiHandの出力では、ネットワークから予測される関節回転と形状パラメータを用いて全手メッシュを復元する。
本モデルでは,最先端手法と比較して精度が向上し,いくつかの厳しい条件下で魅力的な3Dハンドメッシュを作成できる。
論文 参考訳（メタデータ） (2020-08-12T03:13:17Z)
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。