論文の概要: A Survey of research in Deep Learning for Robotics for Undergraduate research interns

• arxiv url: http://arxiv.org/abs/2301.08283v2
• Date: Mon, 23 Jan 2023 03:27:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-24 16:42:08.878919
• Title: A Survey of research in Deep Learning for Robotics for Undergraduate research interns
• Title（参考訳）: 大学院研究インターンのためのロボットの深層学習に関する研究
• Authors: Narayanan PP and Palacode Narayana Iyer Anantharaman
• Abstract要約: 我々は「Deep Learning as applied to Robotics」の幅広い領域における多くの研究インターンシッププロジェクトについて調査することを目指している。 私たちは特に、ディープラーニングを使って中核となるロボティクスの問題を解決する論文に焦点を当てています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the last several years, use cases for robotics based solutions have diversified from factory floors to domestic applications. In parallel, Deep Learning approaches are replacing traditional techniques in Computer Vision, Natural Language Processing, Speech processing, etc. and are delivering robust results. Our goal is to survey a number of research internship projects in the broad area of 'Deep Learning as applied to Robotics' and present a concise view for the benefit of aspiring student interns. In this paper, we survey the research work done by Robotic Institute Summer Scholars (RISS), CMU. We particularly focus on papers that use deep learning to solve core robotic problems and also robotic solutions. We trust this would be useful particularly for internship aspirants for the Robotics Institute, CMU
• Abstract（参考訳）: ここ数年、ロボティクスベースのソリューションのユースケースは、工場のフロアから国内アプリケーションへと多様化してきた。 並行して、Deep Learningアプローチは、コンピュータビジョン、自然言語処理、音声処理などの従来のテクニックを置き換え、堅牢な結果を提供している。 本研究の目的は,「Deep Learning as applied to Robotics」の幅広い領域における多くのインターンシッププロジェクトを調査し,学生インターンを志すための簡潔な視点を示すことである。 本稿では,ロボット研究所サマー・スコラーズ(RISS, CMU)による研究成果について調査する。 特に、コアロボットの問題を解決するためにディープラーニングを使用する論文や、ロボットのソリューションに焦点を当てています。 われわれは、ロボット研究所(CMU)のインターンシップ・アスピラントに特に役立つと信じている。

関連論文リスト

• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning [85.21378553454672]
  筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。 我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。 これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
  論文  参考訳（メタデータ） (2024-01-29T10:01:10Z)
• Toward General-Purpose Robots via Foundation Models: A Survey and Meta-Analysis [82.59451639072073]
  汎用ロボットはどんな環境でも、どんな物体でもシームレスに動作し、様々なスキルを使って様々なタスクをこなす。 コミュニティとしては、特定のタスク用に設計し、特定のデータセットでトレーニングし、特定の環境にデプロイすることで、ほとんどのロボットシステムを制約してきました。 ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,本調査は,汎用ロボティクスに基礎モデルを適用する方法について検討した。
  論文  参考訳（メタデータ） (2023-12-14T10:02:55Z)
• HomeRobot: Open-Vocabulary Mobile Manipulation [107.05702777141178]
  Open-Vocabulary Mobile Manipulation (OVMM) は、目に見えない環境で任意のオブジェクトを選択し、命令された場所に配置する問題である。 HomeRobotには2つのコンポーネントがある。シミュレーションコンポーネントは、新しい高品質のマルチルームホーム環境に、大規模で多様なキュレートされたオブジェクトセットを使用する。
  論文  参考訳（メタデータ） (2023-06-20T14:30:32Z)
• A Concise Introduction to Reinforcement Learning in Robotics [0.0]
  本稿では,ロボット工学分野に応用された強化学習の研究者のためのリファレンスガイドとして機能することを目的とする。 我々は、ロボット工学を念頭に置いて、強化学習の分野の研究に必要な最も重要な概念を取り上げてきた。
  論文  参考訳（メタデータ） (2022-10-13T22:29:42Z)
• Aplica\c{c}\~ao de ros como ferramenta de ensino a rob\'otica / using ros as a robotics teaching tool [0.0]
  ロボットマニピュレータの研究は、インダストリアル・ロボティクス・クラスの主要な目標である。 本稿では,ロボットアーム開発のためのツールとして,ロボット操作システム(ROS)の利用を明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2022-03-31T09:48:21Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Autonomous Navigation in Dynamic Environments: Deep Learning-Based Approach [0.0]
  本論文は,各スキームの長所と短所を浮き彫りにした深層学習に基づくアプローチを考察する。 畳み込みニューラルネットワーク(CNN)に基づくディープラーニング手法の1つは、ソフトウェア実装によって実現される。 本研究では, レーザースキャナの代わりに単眼カメラを使用するという基礎から, レストラン, 博物館などの屋内アプリケーションに対して, 低コストなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-03T23:20:20Z)
• Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
  理解の研究は、ロボットに世界が何を意味するのかを決定する。 人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。 ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
  論文  参考訳（メタデータ） (2021-01-02T12:34:39Z)
• A Systematic Literature Review on the Use of Deep Learning in Software Engineering Research [22.21817722054742]
  ソフトウェア開発タスクを自動化するために、ソフトウェア工学(SE)研究者が採用するテクニックのセットが、ディープラーニング(DL)の概念に根ざしている。 本稿では,SE & DLの交差点における研究の体系的な文献レビューを行う。 我々は、機械学習技術の特定の問題領域への適用を規定する一連の原則である学習の構成要素を中心に分析を行う。
  論文  参考訳（メタデータ） (2020-09-14T15:28:28Z)

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。