Fugu-MT 論文翻訳(概要): Proprioceptive Learning with Soft Polyhedral Networks

論文の概要: Proprioceptive Learning with Soft Polyhedral Networks

arxiv url: http://arxiv.org/abs/2308.08538v1
Date: Wed, 16 Aug 2023 17:53:40 GMT
ステータス: 処理完了
システム内更新日: 2023-08-17 12:15:45.261217
Title: Proprioceptive Learning with Soft Polyhedral Networks
Title（参考訳）: ソフト多面体ネットワークを用いた固有受容学習
Authors: Xiaobo Liu, Xudong Han, Wei Hong, Fang Wan, Chaoyang Song
Abstract要約: プロプリオセプション(英: Proprioception)は、運動ニューロンによる手足の姿勢を検出する「第6の感覚」である。本稿では,物理インタラクションのための組込みビジョンを備えたソフト多面体ネットワークを提案する。この設計は、超高速モーショントラッキングシステムによって視覚的に捉えられる全方向インタラクションへの受動的適応を可能にする。
参考スコア（独自算出の注目度）: 17.368077066659556
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Proprioception is the "sixth sense" that detects limb postures with motor neurons. It requires a natural integration between the musculoskeletal systems and sensory receptors, which is challenging among modern robots that aim for lightweight, adaptive, and sensitive designs at a low cost. Here, we present the Soft Polyhedral Network with an embedded vision for physical interactions, capable of adaptive kinesthesia and viscoelastic proprioception by learning kinetic features. This design enables passive adaptations to omni-directional interactions, visually captured by a miniature high-speed motion tracking system embedded inside for proprioceptive learning. The results show that the soft network can infer real-time 6D forces and torques with accuracies of 0.25/0.24/0.35 N and 0.025/0.034/0.006 Nm in dynamic interactions. We also incorporate viscoelasticity in proprioception during static adaptation by adding a creep and relaxation modifier to refine the predicted results. The proposed soft network combines simplicity in design, omni-adaptation, and proprioceptive sensing with high accuracy, making it a versatile solution for robotics at a low cost with more than 1 million use cycles for tasks such as sensitive and competitive grasping, and touch-based geometry reconstruction. This study offers new insights into vision-based proprioception for soft robots in adaptive grasping, soft manipulation, and human-robot interaction.
Abstract（参考訳）: プロピオセプション(proprioception)は、運動ニューロンによる四肢の姿勢を検出する「第6の感覚」である。筋肉骨格系と感覚受容体との自然な統合が必要であり、軽量で適応的でセンシティブなデザインを低コストで実現しようとする現代ロボットの間では難しい。本稿では,身体的相互作用の視覚を組み込んだソフト多面体ネットワークについて述べる。この設計により、全方向のインタラクションへの受動的適応が可能となり、プロテアーゼ学習のために内蔵された小型の高速モーショントラッキングシステムによって視覚的にキャプチャされる。その結果,ソフトネットワークは動的相互作用において0.25/0.24/0.35N,0.025/0.034/0.006Nmの精度でリアルタイム6D力とトルクを推定できることがわかった。また, 静止適応中に粘弾性を取り入れ, クリープ緩和修飾剤を添加して予測結果を改善した。提案するソフトネットワークは、デザインの単純さ、全適応性、および固有感覚センシングを高精度に組み合わせ、ロボット工学の汎用ソリューションとなり、100万回以上の作業サイクル(感度、競合性把握、タッチベースの形状再構成など)を低コストで実現する。本研究は,適応的把持,ソフト操作,人間とロボットのインタラクションにおけるソフトロボットの視覚に基づく受容に関する新たな知見を提供する。

関連論文リスト

Digitizing Touch with an Artificial Multimodal Fingertip [51.7029315337739]
人間とロボットはどちらも、周囲の環境を知覚し、相互作用するためにタッチを使うことの恩恵を受ける。ここでは、タッチのデジタル化を改善するための概念的および技術革新について述べる。これらの進歩は、高度なセンシング機能を備えた人工指型センサーに具現化されている。
論文参考訳（メタデータ） (2024-11-04T18:38:50Z)
The Role of Functional Muscle Networks in Improving Hand Gesture Perception for Human-Machine Interfaces [2.367412330421982]
表面筋電図(sEMG)はその豊富な情報コンテキストとアクセシビリティのために研究されている。本稿では,個々の筋活性化ではなく,筋同期の復号化を提案する。 85.1%の精度を実現し、既存の手法に比べて性能が向上した。
論文参考訳（メタデータ） (2024-08-05T15:17:34Z)
Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文参考訳（メタデータ） (2024-02-26T15:01:54Z)
Robot Synesthesia: In-Hand Manipulation with Visuotactile Sensing [15.970078821894758]
視覚的・触覚的な感覚入力を活用して手動操作を可能にするシステムを提案する。ロボット・シンセシス(Robot Synesthesia)は、人間の触覚と視覚の合成にインスパイアされた、新しい点の雲に基づく触覚表現である。
論文参考訳（メタデータ） (2023-12-04T12:35:43Z)
Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文参考訳（メタデータ） (2023-03-10T16:27:37Z)
Neuromechanical Autoencoders: Learning to Couple Elastic and Neural Network Nonlinearity [15.47367187516723]
私たちは機械学習のアナログを開発しようとしています。メカニカルインテリジェンス複素非線形弾性体のモルフォロジーとaを共に学習する。ディープ・ニューラル・ネットワークで制御できます
論文参考訳（メタデータ） (2023-01-31T19:04:28Z)
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)
Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
論文参考訳（メタデータ） (2021-01-26T16:01:02Z)
A Framework for Learning Invariant Physical Relations in Multimodal Sensory Processing [0.0]
我々は、教師なしの方法で、知覚的手がかり間の関係を学習できる新しいニューラルネットワークアーキテクチャを設計する。低次元知覚データにおける任意の非線形関係を学習する際のコアシステム機能について述べる。我々は、標準的なRGBカメラフレームから物理量間の関係を学習する現実世界の学習問題を通してこれを実証する。
論文参考訳（メタデータ） (2020-06-30T08:42:48Z)
OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。我々は,多方向高解像度触覚センサOmniTactを紹介する。我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文参考訳（メタデータ） (2020-03-16T01:31:29Z)
A Spiking Neural Network Emulating the Structure of the Oculomotor System Requires No Learning to Control a Biomimetic Robotic Head [0.0]
バイオミメティック・ロボットヘッドのプロトタイプの心臓にニューロモルフィック・オキュロモータ・コントローラが配置されている。コントローラは、すべてのデータがスパイクニューラルネットワーク(SNN)によって符号化され、処理されるという意味でユニークなものです。ロボットの目標追跡能力について報告し、その眼球運動学は人間の眼研究で報告されたものと類似していることを示し、生物学的に制約された学習を用いて、その性能をさらに向上させることができることを示す。
論文参考訳（メタデータ） (2020-02-18T13:03:06Z)

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。