論文の概要: Knowledge Retrieval for Robotic Cooking
- arxiv url: http://arxiv.org/abs/2211.04524v1
- Date: Tue, 8 Nov 2022 19:40:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 17:23:36.185448
- Title: Knowledge Retrieval for Robotic Cooking
- Title（参考訳）: ロボット調理における知識検索
- Authors: Kundana Mandapaka
- Abstract要約: 機能的オブジェクト指向ネットワークにおける検索アルゴリズム開発の背後にある動機は、ほとんどの場合、特定のレシピを検索するか、特定のレシピの材料を判断する必要があることである。
本稿では,ロボットと人間が複雑なタスクを一緒に完了させるための重み付きFOONとタスク計画アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Search algorithms are applied where data retrieval with specified
specifications is required. The motivation behind developing search algorithms
in Functional Object-Oriented Networks is that most of the time, a certain
recipe needs to be retrieved or ingredients for a certain recipe needs to be
determined. According to the introduction, there is a time when execution of an
entire recipe is not available for a robot thus prompting the need to retrieve
a certain recipe or ingredients. With a quality FOON, robots can decipher a
task goal, find the correct objects at the required states on which to operate
and output a sequence of proper manipulation motions. This paper shows several
proposed weighted FOON and task planning algorithms that allow a robot and a
human to successfully complete complicated tasks together with higher success
rates than a human doing them alone.
- Abstract（参考訳）: 特定の仕様によるデータ検索が必要な場合、検索アルゴリズムが適用される。
関数型オブジェクト指向ネットワークで検索アルゴリズムを開発する動機は、ほとんどの場合、特定のレシピを検索するか、特定のレシピの材料を決定する必要があることである。
紹介によると、ロボットがレシピ全体を実行できない場合があり、特定のレシピや材料を回収する必要が生じる。
高品質なFOONを使用することで、ロボットはタスク目標を解読し、必要な状態の正しいオブジェクトを見つけ、適切な操作動作のシーケンスを出力することができる。
本稿では,ロボットと人間が,人間単独で行うよりも高い成功率で複雑なタスクを成功させることのできる,重み付きフォオンとタスク計画アルゴリズムをいくつか提示する。
関連論文リスト
- COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Offline Imitation Learning Through Graph Search and Retrieval [57.57306578140857]
模倣学習は、ロボットが操作スキルを取得するための強力な機械学習アルゴリズムである。
本稿では,グラフ検索と検索により,最適下実験から学習する,シンプルで効果的なアルゴリズムGSRを提案する。
GSRは、ベースラインに比べて10%から30%高い成功率、30%以上の熟練を達成できる。
論文 参考訳（メタデータ） (2024-07-22T06:12:21Z) - Task tree retrieval from FOON using search algorithms [0.0]
可能なすべてのタスクの指示をロボットに提供することはほとんど不可能です。
We have a Universal Functional Object-oriented Network (FOON) which was created and expanded。
目標ノードと所与のキッチンアイテムのタスクツリーを検索するために,2つのアルゴリズム(IDSとGBFS)を用いる。
論文 参考訳（メタデータ） (2023-12-02T05:00:55Z) - Task Tree Retrieval For Robotic Cooking [0.0]
本論文は,与えられた目標ノードに対するタスクツリー計画を生成する,異なるアルゴリズムの開発に基づく。
料理の知識表現はFOONと呼ばれ、異なるオブジェクトとそれらの間のそれぞれをモーションノードに格納する。
論文 参考訳（メタデータ） (2023-11-27T20:41:21Z) - Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。
学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
論文 参考訳（メタデータ） (2022-11-16T16:26:48Z) - Extracting task trees using knowledge retrieval search algorithms in
functional object-oriented network [0.0]
機能的オブジェクト指向ネットワーク(FOON)はロボットが利用できる知識表現法として開発されている。
FOONは、ロボットがタスクツリーを取得するための順序付けられた計画を提供するグラフとして見ることができる。
論文 参考訳（メタデータ） (2022-11-15T17:20:08Z) - Can Foundation Models Perform Zero-Shot Task Specification For Robot
Manipulation? [54.442692221567796]
タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。
タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。
そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
論文 参考訳（メタデータ） (2022-04-23T19:39:49Z) - Divide & Conquer Imitation Learning [75.31752559017978]
模倣学習は学習プロセスをブートストラップするための強力なアプローチである。
本稿では,専門的軌道の状態から複雑なロボットタスクを模倣する新しいアルゴリズムを提案する。
提案手法は,非ホロノミックナビゲーションタスクを模倣し,非常に高いサンプル効率で複雑なロボット操作タスクにスケールすることを示す。
論文 参考訳（メタデータ） (2022-04-15T09:56:50Z) - Functional Task Tree Generation from a Knowledge Graph to Solve Unseen
Problems [5.400294730456784]
人間とは異なり、ロボットは創造的に新しいシナリオに適応できない。
知識グラフの形で存在する知識は、タスクツリーを作成するための参照の基盤として使用される。
提案手法は, 未確認成分の組み合わせであっても, 高精度にタスクプランを作成できることが示唆された。
論文 参考訳（メタデータ） (2021-12-04T21:28:22Z) - Lifelong Robotic Reinforcement Learning by Retaining Experiences [61.79346922421323]
多くのマルチタスク強化学習は、ロボットが常にすべてのタスクからデータを収集できると仮定している。
本研究では,物理ロボットシステムの実用的制約を動機として,現実的なマルチタスクRL問題について検討する。
我々は、ロボットのスキルセットを累積的に成長させるために、過去のタスクで学んだデータとポリシーを効果的に活用するアプローチを導出する。
論文 参考訳（メタデータ） (2021-09-19T18:00:51Z) - Evaluating Recipes Generated from Functional Object-Oriented Network [4.94338660039249]
機能的オブジェクト指向ネットワーク(FOON)は知識表現として導入され、グラフの形式を採っている。
ロボットは、操作タスクのシーケンシャルプランを得るために、FOONから知識検索プロセスを通じてタスクツリーを得ることができる。
獲得したタスクツリーの品質を,レシピやマニュアルといった従来のタスク知識と比較する。
論文 参考訳（メタデータ） (2021-06-01T19:00:52Z)
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。