論文の概要: CHSEL: Producing Diverse Plausible Pose Estimates from Contact and Free Space Data

• arxiv url: http://arxiv.org/abs/2305.08042v1
• Date: Sun, 14 May 2023 01:43:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 18:01:54.986392
• Title: CHSEL: Producing Diverse Plausible Pose Estimates from Contact and Free Space Data
• Title（参考訳）: chsel: 接触データと自由空間データから多岐にわたる多彩なポーズ推定を生成する
• Authors: Sheng Zhong, Nima Fazeli, and Dmitry Berenson
• Abstract要約: 体積情報を持つ点集合から剛体物体の可塑性ポーズの集合を推定する新しい手法を提案する。 提案手法には3つの重要な属性がある: 1) 既知の自由空間を考慮できるボリューム情報,2) 強力な勾配に基づく最適化ツールを活用するために,新しい微分可能なボリュームコスト関数,3) 品質多様性(QD)文学からの手法を用いて,多様な高品質なポーズを生成する。
• 参考スコア（独自算出の注目度）: 11.005988216563528
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a novel method for estimating the set of plausible poses of a rigid object from a set of points with volumetric information, such as whether each point is in free space or on the surface of the object. In particular, we study how pose can be estimated from force and tactile data arising from contact. Using data derived from contact is challenging because it is inherently less information-dense than visual data, and thus the pose estimation problem is severely under-constrained when there are few contacts. Rather than attempting to estimate the true pose of the object, which is not tractable without a large number of contacts, we seek to estimate a plausible set of poses which obey the constraints imposed by the sensor data. Existing methods struggle to estimate this set because they are either designed for single pose estimates or require informative priors to be effective. Our approach to this problem, Constrained pose Hypothesis Set Elimination (CHSEL), has three key attributes: 1) It considers volumetric information, which allows us to account for known free space; 2) It uses a novel differentiable volumetric cost function to take advantage of powerful gradient-based optimization tools; and 3) It uses methods from the Quality Diversity (QD) optimization literature to produce a diverse set of high-quality poses. To our knowledge, QD methods have not been used previously for pose registration. We also show how to update our plausible pose estimates online as more data is gathered by the robot. Our experiments suggest that CHSEL shows large performance improvements over several baseline methods for both simulated and real-world data.
• Abstract（参考訳）: 本稿では,各点が自由空間にあるか,あるいは物体の表面にあるかなどのボリューム情報を持つ点群から,剛体物体の有理なポーズの集合を推定する新しい方法を提案する。 特に,接触から生じる力や触覚データからポーズを推定する方法について検討した。 接触から派生したデータを使用することは、本質的に視覚データよりも情報密度が低いため、接触が少ない場合、ポーズ推定問題は過小評価される。 多数の接触を伴わない被写体の真のポーズを推定する代わりに,センサデータによって課される制約に従わなければならないポーズの集合を推定する。 既存の手法は、このセットを単一のポーズ推定のために設計するか、効果的に情報的優先順位を必要とするため、見積もりに苦労する。 この問題に対する我々のアプローチ、制約付きポーズ仮説セット除去(CHSEL)には3つの重要な属性がある。 1) 既知の自由空間を考慮できる量的情報を考える。 2)強力な勾配に基づく最適化ツールを活用するために,新しい微分可能な体積コスト関数を用いる。 3)品質多様性(QD)最適化文献からの手法を用いて,高品質なポーズの多様なセットを生成する。 我々の知る限り、QD法はポーズ登録には使われていない。 また、より多くのデータがロボットによって収集された場合、推定したポーズをオンラインで更新する方法も示します。 実験の結果,CHSELはシミュレーションデータと実世界のデータの両方に対して,複数のベースライン法よりも大きな性能向上を示した。

関連論文リスト

• DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
  現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。 本稿では,DVMNet(Deep Voxel Matching Network)を提案する。 提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• Context-aware 6D Pose Estimation of Known Objects using RGB-D data [3.48122098223937]
  6Dオブジェクトのポーズ推定は、コンピュータビジョンとロボット工学の分野で研究トピックとなっている。 私たちは、以前の作業とは異なり、コンテキストアウェアなアーキテクチャを提示します。 実験の結果,LineMODデータセットの精度は約3.2%向上した。
  論文  参考訳（メタデータ） (2022-12-11T18:01:01Z)
• CPPF++: Uncertainty-Aware Sim2Real Object Pose Estimation by Vote Aggregation [67.12857074801731]
  そこで本研究では,シミュレートからリアルなポーズ推定のための新しい手法であるCPPF++を提案する。 投票衝突による課題に対処するため,投票の不確実性をモデル化する新たなアプローチを提案する。 ノイズの多いペアフィルタリング、オンラインアライメント最適化、機能アンサンブルなど、いくつかの革新的なモジュールを組み込んでいます。
  論文  参考訳（メタデータ） (2022-11-24T03:27:00Z)
• Ambiguity-Aware Multi-Object Pose Optimization for Visually-Assisted Robot Manipulation [17.440729138126162]
  あいまいさを意識した6Dオブジェクトポーズ推定ネットワークPrimA6D++を汎用的不確実性予測手法として提案する。 提案手法は,T-LESS と YCB-Video のデータセットの性能向上を示す。 さらに,視覚支援ロボット操作のためのリアルタイムシーン認識機能を示す。
  論文  参考訳（メタデータ） (2022-11-02T08:57:20Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Deep Bingham Networks: Dealing with Uncertainty and Ambiguity in Pose Estimation [74.76155168705975]
  Deep Bingham Networks (DBN)は、3Dデータに関するほぼすべての実生活アプリケーションで発生するポーズ関連の不確実性と曖昧性を扱うことができる。 DBNは、(i)異なる分布モードを生成できる多仮説予測ヘッドにより、アートダイレクトポーズ回帰ネットワークの状態を拡張する。 トレーニング中のモードや後方崩壊を回避し,数値安定性を向上させるための新しいトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-20T19:20:26Z)
• Fast Uncertainty Quantification for Deep Object Pose Estimation [91.09217713805337]
  深層学習に基づくオブジェクトポーズ推定は、しばしば信頼できない、自信過剰である。 本研究では,6-DoFオブジェクトのポーズ推定のための,シンプルで効率的かつプラグアンドプレイなUQ手法を提案する。
  論文  参考訳（メタデータ） (2020-11-16T06:51:55Z)
• Relative Pose Estimation of Calibrated Cameras with Known $\mathrm{SE}(3)$ Invariants [65.2314683780204]
  既知の$mathrmSE(3)$不変量で制約されたカメラの相対ポーズ推定問題について完全な研究を行う。 これらの問題は、相対的なポーズ推定のための点対の最小数を減少させる。 合成データと実データを用いた実験では,従来の相対ポーズ推定法と比較して性能が向上した。
  論文  参考訳（メタデータ） (2020-07-15T13:55:55Z)

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。