論文の概要: GP-net: Grasp Proposal for Mobile Manipulators

• arxiv url: http://arxiv.org/abs/2209.10404v1
• Date: Wed, 21 Sep 2022 14:51:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 17:29:52.145593
• Title: GP-net: Grasp Proposal for Mobile Manipulators
• Title（参考訳）: GP-net: モバイルマニピュレータのためのGrasp提案
• Authors: Anna Konrad, John McDonald and Rudi Villing
• Abstract要約: 本稿では,移動マニピュレータの6-DOFグリップを生成する畳み込みニューラルネットワークモデルであるGP-netを提案する。 GP-netを訓練するために,1400以上の物体に対して,深度画像と接地トラス把握情報を含むデータセットを合成的に生成する。 実世界の実験では、GP-netを評価するためにEGAD!グラウンディングベンチマークを使用し、VGN(Volumetric Grasping Network)とGPD(Grasp Pose Detection Pack)という2つの一般的なアルゴリズムに対して、GP-netを評価する。 GPネット達成率82.2%、GP57.8%、GP63.3%
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the Grasp Proposal Network (GP-net), a Convolutional Neural Network model which can generate 6-DOF grasps for mobile manipulators. To train GP-net, we synthetically generate a dataset containing depth-images and ground-truth grasp information for more than 1400 objects. In real-world experiments we use the EGAD! grasping benchmark to evaluate GP-net against two commonly used algorithms, the Volumetric Grasping Network (VGN) and the Grasp Pose Detection package (GPD), on a PAL TIAGo mobile manipulator. GP-net achieves grasp success rates of 82.2% compared to 57.8% for VGN and 63.3% with GPD. In contrast to the state-of-the-art methods in robotic grasping, GP-net can be used out-of-the-box for grasping objects with mobile manipulators without limiting the workspace, requiring table segmentation or needing a high-end GPU. To encourage the usage of GP-net, we provide a ROS package along with our code and pre-trained models at https://aucoroboticsmu.github.io/GP-net/.
• Abstract（参考訳）: 移動マニピュレータの6-DOFグリップを生成する畳み込みニューラルネットワークモデルであるGrasp Proposal Network (GP-net)を提案する。 gp-netを訓練するために,1400以上の物体に対して深度画像と地中把握情報を含むデータセットを合成的に生成する。 実世界の実験では、PAL TIAGoモバイルマニピュレータ上で、GP-netを評価するためにEGAD!グラウンディングベンチマークを使用し、VGN(Volumetric Grasping Network)とGPD(Grasp Pose Detection Pack)の2つのアルゴリズムに対してGP-netを評価する。 GP-net は VGN の57.8% と GPD の63.3% に対して 82.2% の達成率を達成した。 ロボットの把持における最先端の手法とは対照的に、gp-netは作業スペースを制限せず、テーブルのセグメンテーションやハイエンドgpuを必要とする移動マニピュレータで物体をつかむのに使える。 GP-netの使用を促進するため、コードと事前訓練されたモデルと共にROSパッケージをhttps://aucoroboticsmu.github.io/GP-net/.comで提供します。

関連論文リスト

• T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
  T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。 実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T02:58:29Z)
• EMGTFNet: Fuzzy Vision Transformer to decode Upperlimb sEMG signals for Hand Gestures Recognition [0.1611401281366893]
  本稿では,手動ジェスチャー認識を行うために,EMGTFNetと呼ばれるファジィニューラルブロック(FNB)を用いた視覚変換器(ViT)アーキテクチャを提案する。 提案モデルの精度は49種類の手ジェスチャーからなるNinaProデータベースを用いて検証した。
  論文  参考訳（メタデータ） (2023-09-23T18:55:26Z)
• A Multidimensional Graph Fourier Transformation Neural Network for Vehicle Trajectory Prediction [9.554569082679151]
  本研究は,高速道路における長期軌跡予測のための多次元グラフフーリエ変換ニューラルネットワーク(GFTNN)を提案する。 グラフニューラルネットワーク(GNN)と同様に、GFTNNはグラフ構造を扱う新しいアーキテクチャである。 実験と評価には、公開データセット highD と NGSIM が使用される。
  論文  参考訳（メタデータ） (2023-05-12T12:36:48Z)
• Interactive Segmentation as Gaussian Process Classification [58.44673380545409]
  クリックベースのインタラクティブセグメンテーション(IS)は、ユーザインタラクション下で対象オブジェクトを抽出することを目的としている。 現在のディープラーニング(DL)ベースの手法のほとんどは、主にセマンティックセグメンテーションの一般的なパイプラインに従っている。 本稿では,各画像上でガウス過程(GP)に基づく画素単位のバイナリ分類モデルとしてISタスクを定式化することを提案する。
  論文  参考訳（メタデータ） (2023-02-28T14:01:01Z)
• Analyzing the Traffic of MANETs using Graph Neural Networks [0.0]
  本研究は,人気のあるGNNフレームワークであるPyTorch GeometricにMANETデータセットを実装した。 GNNを用いてMANETのトラフィックを解析する方法を示す。 我々は、MANET上でのGNNの性能と効率を測定するために、いくつかの評価指標を解釈する。
  論文  参考訳（メタデータ） (2022-12-17T18:13:20Z)
• Exploiting Adam-like Optimization Algorithms to Improve the Performance of Convolutional Neural Networks [82.61182037130405]
  勾配降下(SGD)は深いネットワークを訓練するための主要なアプローチです。 本研究では,現在と過去の勾配の違いに基づいて,Adamに基づく変分を比較する。 resnet50を勾配降下訓練したネットワークのアンサンブルと融合実験を行った。
  論文  参考訳（メタデータ） (2021-03-26T18:55:08Z)
• A Unified Lottery Ticket Hypothesis for Graph Neural Networks [82.31087406264437]
  本稿では,グラフ隣接行列とモデルの重み付けを同時に行う統一GNNスペーシフィケーション(UGS)フレームワークを提案する。 グラフ宝くじ(GLT)をコアサブデータセットとスパースサブネットワークのペアとして定義することにより、人気のある宝くじチケット仮説を初めてGNNsにさらに一般化します。
  論文  参考訳（メタデータ） (2021-02-12T21:52:43Z)
• Scalable Graph Neural Networks via Bidirectional Propagation [89.70835710988395]
  グラフニューラルネットワーク(GNN)は、非ユークリッドデータを学習するための新興分野である。 本稿では、特徴ベクトルとトレーニング/テストノードの両方から局所的な双方向伝搬プロセスを利用するスケーラブルなGNNであるGBPを提案する。 実証実験により、GBPは、トレーニング/テスト時間を大幅に減らして最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2020-10-29T08:55:33Z)
• Grasp Proposal Networks: An End-to-End Solution for Visual Learning of Robotic Grasps [31.021600064320168]
  本研究では,一対一のカメラビューから観察される未知の物体に対して,多種多様な6-DOFグリップの予測を行う,GPNet(EnmphGrasp Proposal Network)を提案する。 GPNetは、個別だが通常の3Dグリッド角のグリップセンターのエンファンコーダを定義する、グリップ提案モジュールの鍵となる設計に基づいている。 本研究では,ルールベース基準,シミュレーションテスト,実検定を用いて6-DOFオブジェクトグリップの合成データセットを作成した。
  論文  参考訳（メタデータ） (2020-09-26T14:14:52Z)
• Infinitely Wide Graph Convolutional Networks: Semi-supervised Learning via Gaussian Processes [144.6048446370369]
  グラフ畳み込みニューラルネットワーク(GCN)は近年,グラフに基づく半教師付き半教師付き分類において有望な結果を示した。 グラフに基づく半教師付き学習のためのGCN(GPGC)を用いたGP回帰モデルを提案する。 GPGCを評価するための広範囲な実験を行い、他の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-02-26T10:02:32Z)

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。