論文の概要: SGTM 2.0: Autonomously Untangling Long Cables using Interactive Perception

• arxiv url: http://arxiv.org/abs/2209.13706v1
• Date: Tue, 27 Sep 2022 21:42:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 16:27:30.052824
• Title: SGTM 2.0: Autonomously Untangling Long Cables using Interactive Perception
• Title（参考訳）: SGTM 2.0: 対話型知覚を用いた長大ケーブルの自律的アンタングリング
• Authors: Kaushik Shivakumar, Vainavi Viswanath, Anrui Gu, Yahav Avigal, Justin Kerr, Jeffrey Ichnowski, Richard Cheng, Thomas Kollar, Ken Goldberg
• Abstract要約: SGTM 2.0 (Sliding and Grasping for Tangle Manipulation 2.0) は、各ステップにおける不確実性の推定を用いて、二足歩行ロボットと長さ約3メートルのケーブルをアンハングリングする。 実験の結果、SGTM 2.0は1または2本のケーブルと8本のフィギュアの結び目を持ち、70%の終端検出に成功した。
• 参考スコア（独自算出の注目度）: 21.94720375064973
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cables are commonplace in homes, hospitals, and industrial warehouses and are prone to tangling. This paper extends prior work on autonomously untangling long cables by introducing novel uncertainty quantification metrics and actions that interact with the cable to reduce perception uncertainty. We present Sliding and Grasping for Tangle Manipulation 2.0 (SGTM 2.0), a system that autonomously untangles cables approximately 3 meters in length with a bilateral robot using estimates of uncertainty at each step to inform actions. By interactively reducing uncertainty, Sliding and Grasping for Tangle Manipulation 2.0 (SGTM 2.0) reduces the number of state-resetting moves it must take, significantly speeding up run-time. Experiments suggest that SGTM 2.0 can achieve 83% untangling success on cables with 1 or 2 overhand and figure-8 knots, and 70% termination detection success across these configurations, outperforming SGTM 1.0 by 43% in untangling accuracy and 200% in full rollout speed. Supplementary material, visualizations, and videos can be found at sites.google.com/view/sgtm2.
• Abstract（参考訳）: ケーブルは家、病院、工業用倉庫で一般的な場所であり、つまずく傾向にある。 本稿では,ケーブルと相互作用する新たな不確実性定量化指標と動作を導入することで,ケーブルを自律的にアンタングリングすることに関する先行研究を拡張する。 SGTM 2.0(Sliding and Grasping for Tangle Manipulation 2.0)は,各ステップにおける不確実性の推定値を用いて,長さ約3mのケーブルを自律的にアンハングリングするシステムである。 不確実性をインタラクティブに低減することにより、Tangle Manipulation 2.0 (SGTM 2.0) のスライディングとグラッピングは、必要な状態リセット動作の数を削減し、実行時間を大幅に短縮する。 実験の結果、SGTM 2.0は1または2本のオーバーハンドと8本の8ノットのケーブルで83%のアンハングリング成功を達成でき、70%の終端検出成功を達成でき、SGTM 1.0はアンハングリング精度で43%、フルロールアウト速度で200%を上回った。 補足資料、可視化、ビデオはsites.google.com/view/sgtm2で見ることができる。

関連論文リスト

• Hysteresis Compensation of Flexible Continuum Manipulator using RGBD Sensing and Temporal Convolutional Network [2.387821008001523]
  ケーブル駆動マニピュレータは、摩擦、伸縮、結合などのキャブリング効果によって制御困難に直面している。 本稿では、ディープニューラルネットワーク(DNN)に基づくデータ駆動型アプローチを提案し、これらの非線形および過去の状態依存特性を捉える。 この手法を実際の手術シナリオに適用することで、制御精度を高め、手術性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-17T16:20:59Z)
• On Calibration of Modern Quantized Efficient Neural Networks [79.06893963657335]
  キャリブレーションの質は、量子化の質を追跡するために観察される。 GhostNet-VGGは、低い精度で全体的なパフォーマンス低下に対して最も堅牢であることが示されている。
  論文  参考訳（メタデータ） (2023-09-25T04:30:18Z)
• Autonomously Untangling Long Cables [79.09016120505088]
  ケーブルは多くの設定でユビキタスですが、セルフオクルージョンや結び目が多いです。 本稿では,二足歩行ロボットを用いて,最大3mのケーブルを自律的にアンハングリングすることに焦点を当てた。 我々は,この作業に特化した長尺ケーブルと新しい顎を効率的に切り離す新しい動作プリミティブを開発した。
  論文  参考訳（メタデータ） (2022-07-16T02:35:09Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Tactile Grasp Refinement using Deep Reinforcement Learning and Analytic Grasp Stability Metrics [70.65363356763598]
  解析的把握安定性指標が強化学習アルゴリズムの強力な最適化目標であることを示す。 幾何的および力量に依存しないグリップ安定性の指標を組み合わせることで、カブイドの平均成功率は95.4%となることを示す。 第2の実験では,触覚情報を持たないベースラインよりも,接触フィードバックで訓練したグリップリファインメントアルゴリズムが最大6.6%向上することを示した。
  論文  参考訳（メタデータ） (2021-09-23T09:20:19Z)
• Untangling Dense Non-Planar Knots by Learning Manipulation Features and Recovery Policies [28.75186178614213]
  本稿では,ロキとスペンダーマンという,ロバストなケーブルアンタングリングを実現する2つのアルゴリズムを提案する。 HULK, LOKI, SPiDERManの組み合わせは, 濃密なオーバーハンド, フィギュアエイト, ダブルオーバーハンド, 正方形, ボウリング, グラニー, ステベドール, トリプルオーバーハンドの結び目を解き放つことができる。
  論文  参考訳（メタデータ） (2021-06-29T04:13:14Z)
• Path-encoded high-dimensional quantum communication over a 2 km multicore fiber [50.591267188664666]
  パス符号化された高次元量子状態の2km長のマルチコアファイバ上での信頼性伝送を実証する。 安定した干渉検出が保証され、低いエラー率と秘密鍵レートの6.3Mbit/sの生成が可能になる。
  論文  参考訳（メタデータ） (2021-03-10T11:02:45Z)
• High-bandwidth nonlinear control for soft actuators with recursive network models [1.4174475093445231]
  本稿では,Newton-Raphson を用いたソフトアクチュエータの高帯域幅,軽量,非線形出力追跡手法を提案する。 この手法により、従来のRNNモデルと比較してモデルサイズを縮小し、制御ループ周波数を増大させることができる。
  論文  参考訳（メタデータ） (2021-01-04T18:12:41Z)
• Efficiently Calibrating Cable-Driven Surgical Robots with RGBD Fiducial Sensing and Recurrent Neural Networks [26.250886014613762]
  そこで本研究では,RGBDセンサを用いて3次元プリントされたフィデューシャル座標フレームをアームとエンドエフェクタに配置することで,ロボットを効率的に校正する手法を提案する。 提案手法では,1800サンプルのデータ収集に31分,モデルトレーニングに1分を要した。 基準軌道の試験セットの結果から、トレーニングされたモデルは、物理ロボットの平均追尾誤差を2.96mmから0.65mmに減少させることができることが示唆された。
  論文  参考訳（メタデータ） (2020-03-19T00:24:56Z)
• Improving Efficiency in Large-Scale Decentralized Distributed Training [58.80224380923698]
  通信コストを最小化しつつ、スペクトルギャップを改善して(A)D-PSGDに基づくトレーニングを加速する手法を提案する。 提案手法の有効性を示すために,2000時間Switchboard音声認識タスクとImageNetコンピュータビジョンタスクの実験を行った。
  論文  参考訳（メタデータ） (2020-02-04T04:29:09Z)

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。