論文の概要: Direct Robot Configuration Space Construction using Convolutional Encoder-Decoders

• arxiv url: http://arxiv.org/abs/2303.05653v1
• Date: Fri, 10 Mar 2023 02:08:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 16:25:57.109041
• Title: Direct Robot Configuration Space Construction using Convolutional Encoder-Decoders
• Title（参考訳）: 畳み込みエンコーダデコーダを用いた直接ロボット構成空間の構築
• Authors: Christopher Benka, Carl Gross, Riya Gupta, Hod Lipson
• Abstract要約: コンフィグレーション空間に高精度な近似を計算するための畳み込みエンコーダ・デコーダ・フレームワークを適用した。 両腕ロボットを用いた2次元ロボット作業空間におけるC-freeとC-clsnの予測には,平均97.5%のF1スコアが得られた。
• 参考スコア（独自算出の注目度）: 7.780531445879181
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent robots must be able to perform safe and efficient motion planning in their environments. Central to modern motion planning is the configuration space. Configuration spaces define the set of configurations of a robot that result in collisions with obstacles in the workspace, C-clsn, and the set of configurations that do not, C-free. Modern approaches to motion planning first compute the configuration space and then perform motion planning using the calculated configuration space. Real-time motion planning requires accurate and efficient construction of configuration spaces. We are the first to apply a convolutional encoder-decoder framework for calculating highly accurate approximations to configuration spaces. Our model achieves an average 97.5% F1-score for predicting C-free and C-clsn for 2-D robotic workspaces with a dual-arm robot. Our method limits undetected collisions to less than 2.5% on robotic workspaces that involve translation, rotation, and removal of obstacles. Our model learns highly transferable features between robotic workspaces, requiring little to no fine-tuning to adapt to new transformations of obstacles in the workspace.
• Abstract（参考訳）: インテリジェントなロボットは、自分の環境で安全で効率的な動き計画を実行できなければならない。 現代の動き計画の中心は構成空間である。 コンフィグレーションスペースは、ワークスペース内の障害物と衝突するロボットの構成セット、c-clsn、そうでないコンフィグレーションセット、c-freeを定義する。 動き計画への現代的なアプローチはまず構成空間を計算し、次に計算された構成空間を用いて動き計画を実行する。 リアルタイムのモーションプランニングには、正確な構成空間の構築が必要である。 構成空間に対する高精度近似を計算するための畳み込みエンコーダ・デコーダフレームワークを初めて適用した。 双腕ロボットを用いた2次元ロボットワークスペースのcフリーおよびc-clsn予測のための平均97.5%のf1-scoreを実現する。 本手法は, 障害物の翻訳, 回転, 除去を含むロボット作業空間において, 未検出衝突を2.5%未満に制限する。 我々のモデルは、ロボットワークスペース間で高度に伝達可能な特徴を学習し、ワークスペース内の障害物の新しい変換に適応するために、微調整をほとんど必要としない。

関連論文リスト

• Whole-body end-effector pose tracking [10.426087117345096]
  本研究では, 大規模作業空間におけるエンドエフェクタポーズトラッキングのための全身RL定式化手法を提案する。 提案手法は,ロボットの初期設定とエンドエフェクタポーズコマンドのための地形対応サンプリング戦略を含む。 展開時に2.64cmと3.64°のポーズ追跡誤差を達成し、既存の競争基準よりも優れている。
  論文  参考訳（メタデータ） (2024-09-24T12:51:32Z)
• Redundancy-aware Action Spaces for Robot Learning [17.961314026588987]
  共同空間制御とタスク空間制御は、ロボット学習文学におけるロボットアームを制御する2つの主要な動作モードである。 本研究では,ロボット操作のためのアクション空間の設計基準を分析し,新しいアクション空間の定式化であるER(End-effector Redundancy)を導入する。 本稿では,ERAngle (ERA) とERJoint (ERJ) の2つの実装について述べる。
  論文  参考訳（メタデータ） (2024-06-06T15:08:41Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• Language-Conditioned Path Planning [68.13248140217222]
  LACO(Language-Conditioned Collision Functions)は、単一ビューイメージ、言語プロンプト、ロボット構成のみを使用して衝突関数を学習する。 LACOはロボットと環境の衝突を予測し、オブジェクトアノテーション、ポイントクラウドデータ、地平線オブジェクトメッシュを必要とせずに、柔軟な条件付きパス計画を可能にする。 シミュレーションと実世界の両方において、LACOは衝突を禁止せず、衝突の安全な物体との相互作用を可能にする複雑な、ニュアンスのある経路計画を促進することを実証している。
  論文  参考訳（メタデータ） (2023-08-31T17:56:13Z)
• Obstacle Avoidance for Robotic Manipulator in Joint Space via Improved Proximal Policy Optimization [6.067589886362815]
  本稿では,6-DoFマニピュレータのタスク空間から関節空間にマップするために,改良されたPPOアルゴリズムを用いて深層ニューラルネットワークを訓練する。 実ロボットでそのようなタスクを訓練するのは時間を要するので、モデルを訓練するためのシミュレーション環境を開発する。 実験結果から,ロボットは非構造環境下で1つの目標をトラッキングしたり,複数の目標に到達することができた。
  論文  参考訳（メタデータ） (2022-10-03T10:21:57Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Machine Learning-Based Automated Design Space Exploration for Autonomous Aerial Robots [55.056709056795206]
  自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。 F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。 サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
  論文  参考訳（メタデータ） (2021-02-05T03:50:54Z)
• Predicting Sample Collision with Neural Networks [5.713670854553366]
  本稿では,サンプリングベース動作計画における高価なプリミティブ操作のコストに対処する枠組みを提案する。 我々は,2次元および3次元の作業空間における多様なロボットによる複数計画問題の枠組みを評価する。
  論文  参考訳（メタデータ） (2020-06-30T14:56:14Z)
• Combinatorics of a Discrete Trajectory Space for Robot Motion Planning [4.477410849696538]
  問題の複雑さは ロボットの構成空間の次元と直接関係している 本稿では,ロボットの基本ハードウェア仕様に基づく離散ロボットモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-25T12:14:20Z)

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。