Fugu-MT 論文翻訳(概要): The Impact of Time Step Frequency on the Realism of Robotic Manipulation Simulation for Objects of Different Scales

論文の概要: The Impact of Time Step Frequency on the Realism of Robotic Manipulation Simulation for Objects of Different Scales

arxiv url: http://arxiv.org/abs/2310.08233v1
Date: Thu, 12 Oct 2023 11:27:01 GMT
ステータス: 処理完了
システム内更新日: 2023-10-14 11:40:38.726535
Title: The Impact of Time Step Frequency on the Realism of Robotic Manipulation Simulation for Objects of Different Scales
Title（参考訳）: 異なるスケールの物体に対するロボットマニピュレーションシミュレーションの現実性に及ぼす時間ステップ周波数の影響
Authors: Minh Q. Ta and Holly Dinkel and Hameed Abdul-Rashid and Yangfei Dai and Jessica Myers and Tan Chen and Junyi Geng and Timothy Bretl
Abstract要約: 本研究は,ロボット操作シミュレーションの精度に及ぼす時間ステップ周波数とコンポーネントスケールの影響を評価する。小型物体の時間ステップ周波数の増大はシミュレーション精度を向上させることが示されている。
参考スコア（独自算出の注目度）: 4.165079933084117
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work evaluates the impact of time step frequency and component scale on robotic manipulation simulation accuracy. Increasing the time step frequency for small-scale objects is shown to improve simulation accuracy. This simulation, demonstrating pre-assembly part picking for two object geometries, serves as a starting point for discussing how to improve Sim2Real transfer in robotic assembly processes.
Abstract（参考訳）: 本研究は,ロボット操作シミュレーションの精度に及ぼす時間ステップ周波数とコンポーネントスケールの影響を評価する。小型物体の時間ステップ周波数を増加させることにより,シミュレーション精度が向上した。このシミュレーションは、2つのオブジェクトジオメトリの組み立て前部分のピッキングを示し、ロボットアセンブリプロセスにおけるsim2実数転送を改善する方法について議論する出発点となる。

関連論文リスト

Neural Implicit Swept Volume Models for Fast Collision Detection [0.0]
本稿では,深層学習に基づく符号付き距離計算の高速化と幾何衝突チェッカーの精度保証を併用したアルゴリズムを提案する。シミュレーションおよび実世界のロボット実験において、我々のアプローチを検証するとともに、商用ビンピッキングアプリケーションを高速化できることを実証する。
論文参考訳（メタデータ） (2024-02-23T12:06:48Z)
Spatio-Temporal Surrogates for Interaction of a Jet with High Explosives: Part I -- Analysis with a Small Sample Size [0.0]
高い爆発物と相互作用するジェットの2次元問題を用いて、高品質なサロゲートをどうやって構築できるかを理解する。それぞれのシミュレーションから得られるベクトル値出力は200万以上の空間的位置で利用可能である。我々は、これらの非常に大きなデータセットを分析し、分析に使用されるアルゴリズムのパラメータを設定し、時間的・時間的サロゲートの精度を向上させるために簡単な方法を用いる方法を示す。
論文参考訳（メタデータ） (2023-07-03T23:10:23Z)
Analysis of Randomization Effects on Sim2Real Transfer in Reinforcement Learning for Robotic Manipulation Tasks [2.018504891256636]
4つのランダム化戦略と3つのランダム化パラメータをシミュレーションと実ロボットで比較する。以上の結果から,Sim2Real転送においてよりランダム化が有効であることが示唆された。
論文参考訳（メタデータ） (2022-06-13T16:12:56Z)
Transformer Inertial Poser: Attention-based Real-time Human Motion Reconstruction from Sparse IMUs [79.72586714047199]
本研究では,6つのIMUセンサからリアルタイムに全体動作を再構築する,注意に基づく深層学習手法を提案する。提案手法は, 実装が簡単で, 小型でありながら, 定量的かつ質的に新しい結果が得られる。
論文参考訳（メタデータ） (2022-03-29T16:24:52Z)
DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文参考訳（メタデータ） (2022-03-19T07:27:19Z)
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)
Robot Learning from Randomized Simulations: A Review [59.992761565399185]
ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
論文参考訳（メタデータ） (2021-11-01T13:55:41Z)
GeoSim: Photorealistic Image Simulation with Geometry-Aware Composition [81.24107630746508]
GeoSimは、新しい都市の運転シーンを合成するジオメトリ認識の画像合成プロセスです。まず、センサーデータからリアルな形状と外観の両方を備えた多様な3Dオブジェクトのバンクを構築します。得られた合成画像は、フォトリアリズム、トラフィック認識、幾何学的一貫性があり、画像シミュレーションが複雑なユースケースにスケールできる。
論文参考訳（メタデータ） (2021-01-16T23:00:33Z)
Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial Observability in Visual Navigation [62.22058066456076]
強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。 RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
論文参考訳（メタデータ） (2020-07-27T17:46:59Z)
Leveraging Vision and Kinematics Data to Improve Realism of Biomechanic Soft-tissue Simulation for Robotic Surgery [13.657060682152409]
ロボット内視鏡手術で得られたライブデータは,不正確なFEMシミュレーション結果の修正にどのように用いられるかを検討する。我々はオープンソースのda Vinciオペレーショナルシステムを用いて,ソフトチップのファントムを探索し,シミュレーションでインタラクションを再現する。予測メッシュ位置と測定点雲との差を補正するために,ネットワークをトレーニングする。
論文参考訳（メタデータ） (2020-03-14T00:16:08Z)

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。