論文の概要: Leveraging Symmetries in Pick and Place
- arxiv url: http://arxiv.org/abs/2308.07948v2
- Date: Fri, 22 Dec 2023 16:13:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 22:07:38.393385
- Title: Leveraging Symmetries in Pick and Place
- Title(参考訳): ピック・プレイスにおける対称性の活用
- Authors: Haojie Huang, Dian Wang, Arsh Tangri, Robin Walters, Robert Platt
- Abstract要約: 本稿では,平面式ロボットピック・アンド・プレイスに存在する対称性を解析的に研究する。
本稿では,すべての対称性を捉える方法でトランスポーターネットに同変ニューラルモデルを適用する手法を提案する。
我々は,新しいモデルを実証的に評価し,非対称バージョンよりもはるかに標本効率が高いことを示す。
- 参考スコア(独自算出の注目度): 20.029615409823034
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Robotic pick and place tasks are symmetric under translations and rotations
of both the object to be picked and the desired place pose. For example, if the
pick object is rotated or translated, then the optimal pick action should also
rotate or translate. The same is true for the place pose; if the desired place
pose changes, then the place action should also transform accordingly. A
recently proposed pick and place framework known as Transporter Net captures
some of these symmetries, but not all. This paper analytically studies the
symmetries present in planar robotic pick and place and proposes a method of
incorporating equivariant neural models into Transporter Net in a way that
captures all symmetries. The new model, which we call Equivariant Transporter
Net, is equivariant to both pick and place symmetries and can immediately
generalize pick and place knowledge to different pick and place poses. We
evaluate the new model empirically and show that it is much more sample
efficient than the non-symmetric version, resulting in a system that can
imitate demonstrated pick and place behavior using very few human
demonstrations on a variety of imitation learning tasks.
- Abstract(参考訳): ロボットピックと配置タスクは、選択対象と所望の場所ポーズの両方の翻訳と回転の下で対称である。
例えば、ピックオブジェクトが回転または変換された場合、最適なピックアクションも回転または変換されるべきである。
同じことが、場所のポーズにも当てはまります。所望の場所のポーズが変わった場合、所望の場所のアクションもそれに応じて変化するべきです。
transporter netとして知られる最近提案されたpick and placeフレームワークは、これらの対称性の一部をキャプチャするが、すべてではない。
本稿では,平面式ロボットピック・アンド・プレイスに存在する対称性を解析的に研究し,すべての対称性を捉える方法でトランスポーターネットに同変ニューラルモデルを組み込む方法を提案する。
Equivariant Transporter Net と呼ばれる新しいモデルは、ピック・アンド・プレイス・対称性に同値であり、ピック・アンド・プレイス・ポーズに即座に知識を一般化することができる。
実験結果から,非対称型モデルよりもサンプル効率が良好であることを示し,様々な模倣学習タスクにおいて,人間によるごく少数のデモンストレーションを用いて,実演されたピック・アンド・プレース動作を模倣できるシステムを開発した。
関連論文リスト
- Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。
我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。
本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文 参考訳(メタデータ) (2024-05-22T17:23:15Z) - 4D Panoptic Segmentation as Invariant and Equivariant Field Prediction [48.57732508537554]
我々は4次元パノプティカルセグメンテーションのための回転同変ニューラルネットワークを開発した。
その結果,同種でないモデルに比べて計算コストが低いモデルの方が精度が高いことがわかった。
本手法は,新しい最先端性能を設定し,セマンティックKITTITI 4Dパネルにおいて第1位を獲得している。
論文 参考訳(メタデータ) (2023-03-28T00:20:37Z) - Learning Implicit Probability Distribution Functions for Symmetric
Orientation Estimation from RGB Images Without Pose Labels [23.01797447932351]
RGB-D画像の自動ポーズラベリング方式を提案する。
我々は、RGB画像の向き仮説の確率を推定するために、インプリシットPDFモデルを訓練する。
SO(3)多様体の効率的な階層的サンプリングは、完備な対称性の集合を抽出可能な生成を可能にする。
論文 参考訳(メタデータ) (2022-11-21T12:07:40Z) - A Complete Recipe for Bayesian Knowledge Transfer: Object Tracking [3.60953887026184]
対象がモデルを選択し、従うことができるモデルジャンプを考慮に入れた、新しいベイズモデルを導入する。
我々は,対象オブジェクトへの逐次転送中に,対象オブジェクトの軌跡を追跡することを目的としている。
論文 参考訳(メタデータ) (2022-10-20T00:11:36Z) - Learning to Re-weight Examples with Optimal Transport for Imbalanced
Classification [74.62203971625173]
不均衡データは、ディープラーニングに基づく分類モデルに課題をもたらす。
不均衡なデータを扱うための最も広く使われているアプローチの1つは、再重み付けである。
本稿では,分布の観点からの最適輸送(OT)に基づく新しい再重み付け手法を提案する。
論文 参考訳(メタデータ) (2022-08-05T01:23:54Z) - Dimensionless machine learning: Imposing exact units equivariance [7.9926585627926166]
単位等価な機械学習のための2段階の学習手順を提供する。
まず、次元解析による古典的な結果を用いて、その入力の無次元バージョンを構築する。
そして、無次元空間で推論を行う。
論文 参考訳(メタデータ) (2022-04-02T15:46:20Z) - Equivariant Transporter Network [4.970364068620608]
Transporter Netは、ごく少数の専門家によるデモから優れた操作ポリシーを学ぶことができる、選択と場所のためのフレームワークである。
本稿では,ピック配向と位置配向の両方に同値なトランスポーターネットの新たなバージョンを提案する。
論文 参考訳(メタデータ) (2022-02-18T19:41:53Z) - Semantic Change Detection with Asymmetric Siamese Networks [71.28665116793138]
2つの空中画像が与えられた場合、セマンティックチェンジ検出は、土地被覆のバリエーションを特定し、それらの変化タイプをピクセルワイド境界で識別することを目的としている。
この問題は、正確な都市計画や天然資源管理など、多くの地球ビジョンに関連するタスクにおいて不可欠である。
本研究では, 広く異なる構造を持つモジュールから得られた特徴対を用いて意味変化を同定し, 同定するための非対称システマネットワーク(ASN)を提案する。
論文 参考訳(メタデータ) (2020-10-12T13:26:30Z) - Scale Equivariance Improves Siamese Tracking [1.7188280334580197]
シームズトラッカーは、トラッキングをフレーム内のテンプレートと候補領域間の類似度推定に変換する。
非翻訳同変アーキテクチャは、トレーニング中に位置バイアスを引き起こす。
提案するSE-SiamFCは,レシピに従って構築されたSiamFCのスケール・等価な変種である。
論文 参考訳(メタデータ) (2020-07-17T16:55:51Z) - Meta-Learning Symmetries by Reparameterization [63.85144439337671]
データから対応するパラメータ共有パターンを学習し、等価性をネットワークに学習し、符号化する手法を提案する。
本実験は,画像処理タスクで使用される共通変換に等価性をエンコードして自動的に学習できることを示唆する。
論文 参考訳(メタデータ) (2020-07-06T17:59:54Z) - Improving Few-shot Learning by Spatially-aware Matching and
CrossTransformer [116.46533207849619]
数ショット学習シナリオにおけるスケールと位置ミスマッチの影響について検討する。
本稿では,複数のスケールや場所のマッチングを効果的に行うための,空間認識型マッチング手法を提案する。
論文 参考訳(メタデータ) (2020-01-06T14:10:20Z)
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。