論文の概要: Autoencoding a Soft Touch to Learn Grasping from On-land to Underwater
- arxiv url: http://arxiv.org/abs/2308.08510v1
- Date: Wed, 16 Aug 2023 17:07:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-17 12:24:19.228149
- Title: Autoencoding a Soft Touch to Learn Grasping from On-land to Underwater
- Title（参考訳）: ソフトタッチを自動エンコードして陸上から水中への把握を学ぶ
- Authors: Ning Guo, Xudong Han, Xiaobo Liu, Shuqiao Zhong, Zhiyuan Zhou, Jian
Lin, Jiansheng Dai, Fang Wan, Chaoyang Song
- Abstract要約: 本研究は,視覚を用いたソフトロボット指による陸上から水中への知識の伝達可能性について検討した。
高フレームのカメラが全身の変形を捉え、ソフトロボットの指が地上や水中の物理的物体と相互作用する。
その結果,訓練されたSVAEモデルは,陸から水へ移動可能なソフトメカニックの一連の潜伏表現を学習した。
- 参考スコア（独自算出の注目度）: 17.27917150366665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robots play a critical role as the physical agent of human operators in
exploring the ocean. However, it remains challenging to grasp objects reliably
while fully submerging under a highly pressurized aquatic environment with
little visible light, mainly due to the fluidic interference on the tactile
mechanics between the finger and object surfaces. This study investigates the
transferability of grasping knowledge from on-land to underwater via a
vision-based soft robotic finger that learns 6D forces and torques (FT) using a
Supervised Variational Autoencoder (SVAE). A high-framerate camera captures the
whole-body deformations while a soft robotic finger interacts with physical
objects on-land and underwater. Results show that the trained SVAE model
learned a series of latent representations of the soft mechanics transferrable
from land to water, presenting a superior adaptation to the changing
environments against commercial FT sensors. Soft, delicate, and reactive
grasping enabled by tactile intelligence enhances the gripper's underwater
interaction with improved reliability and robustness at a much-reduced cost,
paving the path for learning-based intelligent grasping to support fundamental
scientific discoveries in environmental and ocean research.
- Abstract（参考訳）: ロボットは、海洋探査において人間のオペレーターの物理的エージェントとして重要な役割を果たす。
しかし, 指と物体表面の触覚機構の流体干渉が原因で, 可視光がほとんどない高度に加圧された水環境下において, 完全に沈み込みつつ, 安定的に物体をつかむことは依然として困難である。
本研究は,6次元力とトルク(FT)をスーパーバイザード変分オートエンコーダ(SVAE)を用いて学習する視覚ロボット指を用いて,陸上から水中への知識の伝達可能性について検討した。
高フレームのカメラが全身の変形を捉え、ソフトロボットの指が地上や水中の物理的物体と相互作用する。
その結果, 訓練されたSVAEモデルは, 陸から水へ移動可能なソフトメカニクスの一連の潜伏表現を学習し, 商用FTセンサに対する環境変化に優れた適応性を示した。
触覚知能によって実現されるソフトで繊細でリアクティブな把持は、グリッパーの水中での相互作用を強化し、信頼性とロバスト性を大幅に削減し、環境と海洋研究における基本的な科学的発見を支援するために学習ベースの知的把持の道を開く。
関連論文リスト
- Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - A transformer-based deep reinforcement learning approach to spatial navigation in a partially observable Morris Water Maze [0.0]
この研究は、モリス水迷路の2次元バージョンをナビゲートするために、深い強化学習を用いたトランスフォーマーベースのアーキテクチャを適用した。
提案アーキテクチャにより,エージェントが空間ナビゲーション戦略を効率的に学習できることを実証する。
この研究は、生物エージェントに類似した振る舞いを持つ人工エージェントの今後の研究への道のりを示唆している。
論文 参考訳（メタデータ） (2024-10-01T13:22:56Z) - Learning Adaptive Hydrodynamic Models Using Neural ODEs in Complex Conditions [9.392180262607921]
強化学習に基づく四足歩行ロボットは、様々な地形を横断するが、水中で泳ぐ能力は乏しい。
本稿では,水陸両用四足歩行ロボットのためのデータ駆動型流体力学モデルの開発と評価について述べる。
論文 参考訳（メタデータ） (2024-10-01T08:18:36Z) - Floor extraction and door detection for visually impaired guidance [78.94595951597344]
未知の環境で障害物のない経路を見つけることは、視覚障害者や自律ロボットにとって大きなナビゲーション問題である。
コンピュータビジョンシステムに基づく新しいデバイスは、障害のある人が安全な環境で未知の環境でナビゲートすることの難しさを克服するのに役立つ。
本研究では,視覚障害者のためのナビゲーションシステムの構築につながるセンサとアルゴリズムの組み合わせを提案する。
論文 参考訳（メタデータ） (2024-01-30T14:38:43Z) - Robotic Handling of Compliant Food Objects by Robust Learning from
Demonstration [79.76009817889397]
本稿では,食品に適合する物体をロボットで把握する上で,実証からの学習(LfD)に基づく頑健な学習方針を提案する。
教師の意図した方針を推定し,無矛盾な実演を自動的に除去するLfD学習ポリシーを提案する。
提案されたアプローチは、前述の業界セクターで幅広い応用が期待できる。
論文 参考訳（メタデータ） (2023-09-22T13:30:26Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳（メタデータ） (2021-12-10T11:49:51Z) - Elastic Tactile Simulation Towards Tactile-Visual Perception [58.44106915440858]
触覚シミュレーションのための粒子の弾性相互作用(EIP)を提案する。
EIPは、触覚センサを協調粒子群としてモデル化し、接触時の粒子の変形を制御するために弾性特性を適用した。
さらに,触覚データと視覚画像間の情報融合を可能にする触覚知覚ネットワークを提案する。
論文 参考訳（メタデータ） (2021-08-11T03:49:59Z) - Learning Intuitive Physics with Multimodal Generative Models [24.342994226226786]
本稿では,視覚と触覚のフィードバックを融合させ,動的シーンにおける物体の動きを予測する枠組みを提案する。
我々は、接触面の高解像度マルチモーダルセンシングを提供する新しいSee-Through-your-Skin(STS)センサを使用します。
物体の静止状態を所定の初期条件から予測するシミュレーションおよび実世界の実験を通じて検証する。
論文 参考訳（メタデータ） (2021-01-12T12:55:53Z) - DARE: AI-based Diver Action Recognition System using Multi-Channel CNNs
for AUV Supervision [3.5584173777587935]
本稿では,認知自律走行バディデータセットに基づいて学習したダイバー動作認識システムDAREを提案する。
DAREは高速で、1つのステレオペアを分類するのに数ミリ秒しか必要としないため、リアルタイム水中実装に適している。
論文 参考訳（メタデータ） (2020-11-16T04:05:32Z) - ThreeDWorld: A Platform for Interactive Multi-Modal Physical Simulation [75.0278287071591]
ThreeDWorld (TDW) はインタラクティブなマルチモーダル物理シミュレーションのためのプラットフォームである。
TDWは、リッチな3D環境において、高忠実な感覚データのシミュレーションと、移動体エージェントとオブジェクト間の物理的相互作用を可能にする。
我々は、コンピュータビジョン、機械学習、認知科学における新たな研究方向において、TDWによって実現された初期実験を提示する。
論文 参考訳（メタデータ） (2020-07-09T17:33:27Z) - DIGIT: A Novel Design for a Low-Cost Compact High-Resolution Tactile
Sensor with Application to In-Hand Manipulation [16.54834671357377]
汎用的な手動操作は、ロボティクスの未解決課題の1つとして残されている。
DIGITは安価でコンパクトで高解像度な触覚センサで、手作業で操作できる。
論文 参考訳（メタデータ） (2020-05-29T17:07:54Z)
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。