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: 翻訳完了
• 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
• 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

• SlipSense: Multimodal Tactile Learning for Low-Latency and Generalized Slip Detection [15.908150948122573]
  SlipSenseは、TacV5上に構築されたマルチモーダルスリップ検出フレームワークである。 このフレームワークは、240Hzの因果時間予測で、モダリティ特異的符号化、センサー内融合、およびクロスモーダルアテンションを実行する。 SlipSenseは、UMIデータのみを訓練すると、ゼロショットをテゾロのデキスタラスハンドに一般化し、見えない物体、異なるセンサーユニット、ロボットプラットフォームを再訓練せずに移動させる。
  論文  参考訳（メタデータ） (2026-09-14T17:23:59Z)
• Modality-Decoupled Federated Learning for Privacy-Preserving Embodied Intelligence in 6G [90.42669277637026]
  第6世代(6G)無線ネットワークは、大規模なインボディードインテリジェンスのための重要な基盤を提供すると期待されている。 本稿では、6Gネットワークにおけるプライバシー保護型インテリジェンスのためのモダリティ分離FLフレームワークであるFedMVLAを提案する。
  論文  参考訳（メタデータ） (2026-09-09T01:36:44Z)
• Not All History Helps: Velocity-Aware Selective Memory for Long-Horizon End-to-End Autonomous Driving [20.970999540713326]
  本研究では,周期的履歴の信頼性と水平内移動ステージの進化に対処するために,StableDriveを提案する。 MomAD評価プロトコルの下でのnuScenesでは、StableDriveは1秒から6秒間のレポートされたすべての計画メトリクスでSOTAを達成している。 縦-遷移のヌスケーン(LT-nuScenes)では、スタブルドライブは6-sの衝突速度を23.81%、TPCは10.90%、L2は6.37%減少させる。
  論文  参考訳（メタデータ） (2026-08-16T06:41:56Z)
• DREAM Technical Report [53.37525197047151]
  DREAMは、既存のパイプラインの上に認識認識、オーケストレーション、監査可能なポリシ層を追加し、それを置き換えることなく、自律的な最適化制御アーキテクチャである。 DREAMには2つのコアコンポーネントがある。まず、3層Intent Engineはデバイス上の信号を構造化されたL0/L1/L2インテント表現に融合する。エッジクラウドトリガーチェーンはレポートのボリュームを約8.7%に削減する。 第2に、Meta EngineはMetaModelを使って、層状M1-to-M2-to-M3推論(インテントの要約、ストラテジーメモリに通知されるストラテジープランニング、パラメータ変換など)を定式化したM1-to-M2-to-M3推論に使用します。
  論文  参考訳（メタデータ） (2026-08-10T10:35:32Z)
• Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm [41.90412270641482]
  本稿では,UnitreeG1ヒューマノイドロボットの左腕の電力消費に関する物理モデルを提案する。 提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉える。 シングルジョイントとアコーディネートアームの動作を複数の速度レベルでカバーする897トラジェクトリで、同定されたモデルは、1.07 (W)のRMSEで$R2 = 0.933$に達する。
  論文  参考訳（メタデータ） (2026-06-14T16:45:07Z)
• TACT: Mitigating Overthinking and Overacting in Coding Agents via Activation Steering [70.99933391739154]
  我々は、エージェントが既に持っている情報に対して繰り返し理由付けを行う2つの障害モードと、最近の観察を統合したり、新たな証拠を取得することなくツールコールを発行する2つの障害モードに焦点を当てる。 本稿では,活性化ステアリングによるTACT (Think-Act via activation Steering) を導入し,動作不良として現れる前に残留流中のエージェントの漂流を検知・緩和する。 具体的には、軌道のステップを過度に考え、過剰に実行し、あるいは校正し、隠れた状態が2つの *drift 軸* に沿って線形に分離できることを発見し、それぞれの障害モードに向かって校正された振る舞いを指示する。
  論文  参考訳（メタデータ） (2026-05-07T10:24:27Z)
• Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
  Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。 AHEは3つの一致した可観測性柱を通じて課題に対処する。 10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。 SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
  論文  参考訳（メタデータ） (2026-04-28T16:55:02Z)
• Enhancing SignSGD: Small-Batch Convergence Analysis and a Hybrid Switching Strategy [11.467993356247248]
  SignSGDは各勾配座標を1ビットに圧縮し、かなりのメモリと通信を節約する。 我々はSignSGDを1ビット量子化とディザリングの観点から再検討し、3つの改善に貢献する。
  論文  参考訳（メタデータ） (2026-04-28T12:15:55Z)
• Edge-Efficient Two-Stream Multimodal Architecture for Non-Intrusive Bathroom Fall Detection [2.669350701173451]
  濡れた浴室環境の滝は、高齢者が一人で生活する大きな安全リスクである。 近年の研究では、mWaveのみ、振動のみ、および既存のマルチモーダルスキームがプライバシー保護、非侵襲的な転倒検出をサポートすることが示されている。 本研究では,長距離移動パターンと床振動の処理を行うMotion-Mambaブランチを用いて,レーダ信号を符号化する2ストリームアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-03-17T18:54:21Z)
• RoboTracer: Mastering Spatial Trace with Reasoning in Vision-Language Models for Robotics [53.053660003572965]
  本稿では,3次元空間参照と計測の両方を初めて実現した3D対応VLMであるRoboTracerを提案する。 RoboTracerは、強化微調整により、多段階のメートル法推論を進める。 本稿では,空間的トレーシングを評価する上で困難なベンチマークであるTraceSpatial-Benchを提案する。
  論文  参考訳（メタデータ） (2025-12-15T18:52:43Z)
• RobotDancing: Residual-Action Reinforcement Learning Enables Robust Long-Horizon Humanoid Motion Tracking [50.200035833530876]
  RobotDancingはシンプルでスケーラブルなフレームワークで、残留する関節の目標を予測して、ダイナミックスの不一致を明示的に修正する。 複数分間の高エネルギー動作(ジャンプ、スピン、カートホイール)をトラッキングし、高いモーショントラッキング品質のハードウェアにゼロショットをデプロイする。
  論文  参考訳（メタデータ） (2025-09-25T03:30:34Z)
• Complementary Learning System Empowers Online Continual Learning of Vehicle Motion Forecasting in Smart Cities [50.14230518748104]
  本稿では、ディープニューラルネットワーク(DNN)に基づくモーション予測のためのタスクレスオンライン連続学習パラダイムであるDual-LSを紹介する。 3つの国にまたがる自然主義的なデータ、772,000台以上の車両、11,187kmの累積的な試験マイルは、Dual-LSが74.31%の破滅的な忘れを緩和していることを示している。
  論文  参考訳（メタデータ） (2025-08-27T06:19:21Z)
• Adaptive Gaussian Mixture Models-based Anomaly Detection for under-constrained Cable-Driven Parallel Robots [0.0]
  本稿では,センサを追加せずに,トルクデータのみを用いて異常を検出できるかどうかを検討する。 ガウス混合モデル(GMM)に基づく適応無教師外乱検出アルゴリズムを導入した。 提案手法は,100%真の正の速度と95.4%の平均真の負の速度を1秒間検出遅延で達成する。
  論文  参考訳（メタデータ） (2025-07-10T12:52:19Z)
• Faster and Better LLMs via Latency-Aware Test-Time Scaling [52.10888685395448]
  テスト時間スケーリング(TTS)は、推論時の言語モデル(LLM)の性能向上に有効であることが証明されている。 既存の研究は、レイテンシに敏感な観点から、TSの効率性を見落としている。 計算最適TSは、レイテンシが重要となるシナリオにおいて、必ずしも最低レイテンシをもたらすとは限らないことを実証する。
  論文  参考訳（メタデータ） (2025-05-26T07:51:30Z)
• 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。