Fugu-MT 論文翻訳(概要): Value of Assistance for Grasping

論文の概要: Value of Assistance for Grasping

arxiv url: http://arxiv.org/abs/2310.14402v1
Date: Sun, 22 Oct 2023 20:25:08 GMT
ステータス: 処理完了
システム内更新日: 2023-10-25 00:00:38.256110
Title: Value of Assistance for Grasping
Title（参考訳）: グラッピング支援の意義
Authors: Mohammad Masarwy, Yuval Goshen, David Dovrat and Sarah Keren
Abstract要約: 我々は,ロボットが把握を成功させる能力に対して,特定の観察が期待する効果を評価するために,新しいVOA(Value of Assistance)尺度を提供する。シミュレーションと実世界のロボット設定の両方において提案手法を評価した。
参考スコア（独自算出の注目度）: 7.049411958862304
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In many realistic settings, a robot is tasked with grasping an object without knowing its exact pose. Instead, the robot relies on a probabilistic estimation of the pose to decide how to attempt the grasp. We offer a novel Value of Assistance (VOA) measure for assessing the expected effect a specific observation will have on the robot's ability to successfully complete the grasp. Thus, VOA supports the decision of which sensing action would be most beneficial to the grasping task. We evaluate our suggested measures in both simulated and real-world robotic settings.
Abstract（参考訳）: 多くの現実的な環境では、ロボットは正確なポーズを知らずに物体をつかむタスクを負う。その代わりに、ロボットはポーズの確率的推定に依存して、把握を試みる方法を決定する。我々は,ロボットが把握を成功させる能力に対して,特定の観察が期待する効果を評価するために,新しいVOA(Value of Assistance)尺度を提供する。したがって、VOAは、センシングアクションが把握タスクに最も有益である決定を支持する。シミュレーションと実世界のロボット環境における評価を行った。

関連論文リスト

Planning Robot Placement for Object Grasping [5.327052729563043]
物体の摘み取りなどの操作に基づく活動を行う場合、移動ロボットは、実行を成功させる位置で基地を位置決めする必要がある。この問題に対処するために、顕著なアプローチは、通常、対象のオブジェクトに対する把握ポーズを提供するために、プランナーを高価に把握することに依存する。そこで我々は,まず環境との衝突を起こさないロボット配置を見つけ,次に最適な配置候補を見出すよう評価する。
論文参考訳（メタデータ） (2024-05-26T20:57:32Z)
3D Pose Nowcasting: Forecast the Future to Improve the Present [65.65178700528747]
本研究では,骨格関節の3次元位置を正確に把握するために,深度データを利用した新しい視覚ベースシステムを提案する。本稿では,現在のポーズ推定精度を高めるため,提案システムの有効性を示すPose Nowcastingの概念を紹介する。実験的な評価は2つの異なるデータセットで行われ、正確かつリアルタイムなパフォーマンスを提供する。
論文参考訳（メタデータ） (2023-08-24T16:40:47Z)
Value of Assistance for Mobile Agents [7.922832585855347]
移動ロボットエージェントは、時間とともにエージェントの動きとともに成長する局所的不確実性に悩まされることが多い。いくつかの設定では、ロボットの位置に関する不確実性を減少させる補助行動を実行することができる。本稿では,特定の実行時点における援助がもたらす期待コスト削減を表すために,支援価値(VOA)を提案する。
論文参考訳（メタデータ） (2023-08-23T07:02:57Z)
H-SAUR: Hypothesize, Simulate, Act, Update, and Repeat for Understanding Object Articulations from Interactions [62.510951695174604]
The Hypothesize, Simulate, Act, Update, and Repeat (H-SAUR) is a probabilistic generative framework that generated hypotheses about objects articulate given input observed。提案手法は,現在最先端のオブジェクト操作フレームワークよりも優れていることを示す。我々は、学習に基づく視覚モデルから学習前の学習を統合することにより、H-SAURのテスト時間効率をさらに向上する。
論文参考訳（メタデータ） (2022-10-22T18:39:33Z)
Intention estimation from gaze and motion features for human-robot shared-control object manipulation [1.128708201885454]
共有制御は、ユーザの意図の実行を支援することで、遠隔操作のオブジェクト操作を支援する。自然な視線と運動特徴を用いて現在の動作と対象対象物を予測する意図推定フレームワークを提示する。
論文参考訳（メタデータ） (2022-08-18T07:53:19Z)
Can Foundation Models Perform Zero-Shot Task Specification For Robot Manipulation? [54.442692221567796]
タスク仕様は、熟練していないエンドユーザの関与とパーソナライズされたロボットの採用に不可欠である。タスク仕様に対する広く研究されているアプローチは、目標を通じて、コンパクトな状態ベクトルまたは同じロボットシーンのゴールイメージを使用することである。そこで本研究では,人間の指定や使用が容易な目標仕様の代替的,より汎用的な形式について検討する。
論文参考訳（メタデータ） (2022-04-23T19:39:49Z)
Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
本稿では,人間の動作予測のための確率モデルを提案する。我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
論文参考訳（メタデータ） (2021-07-14T09:05:33Z)
Learning Uncertainty For Safety-Oriented Semantic Segmentation In Autonomous Driving [77.39239190539871]
自律運転における安全クリティカル画像セグメンテーションを実現するために、不確実性推定をどのように活用できるかを示す。相似性関数によって測定された不一致予測に基づく新しい不確実性尺度を導入する。本研究では,提案手法が競合手法よりも推論時間において計算集約性が低いことを示す。
論文参考訳（メタデータ） (2021-05-28T09:23:05Z)
Careful with That! Observation of Human Movements to Estimate Objects Properties [106.925705883949]
我々は、物体の重さについての洞察を伝える人間の運動行動の特徴に焦点を当てる。最後の目標は、ロボットがオブジェクトハンドリングに必要なケアの度合いを自律的に推測できるようにすることです。
論文参考訳（メタデータ） (2021-03-02T08:14:56Z)
Object Detection and Pose Estimation from RGB and Depth Data for Real-time, Adaptive Robotic Grasping [0.0]
動的ロボットの把握を目的として,リアルタイム物体検出とポーズ推定を行うシステムを提案する。提案されたアプローチは、ロボットが物体のアイデンティティとその実際のポーズを検出し、新しいポーズで使用するために正準の把握を適応させることを可能にする。訓練のためのシステムは、ロボットの手首に取り付けられたグリッパーに対する対象の相対的な姿勢を捉えることで、標準的な把握を定義する。テスト中、新しいポーズが検出されると、物体の正準的な把握が識別され、ロボットアームの関節角度を調整して動的に適応されます。
論文参考訳（メタデータ） (2021-01-18T22:22:47Z)
Safe and Effective Picking Paths in Clutter given Discrete Distributions of Object Poses [16.001980921287704]
1つのアプローチは、オブジェクトのポーズ推定を実行し、最も可能性の高いオブジェクト毎のポーズを使用して、衝突せずにターゲットを選択することである。本研究は,まず6次元ポーズ推定の知覚過程を提案し,シーン内のオブジェクトポーズの離散分布を返却する。次に、ロボットアームを選択に移すための安全で効果的なソリューションを返すために、オープンループ計画パイプラインが提案されている。
論文参考訳（メタデータ） (2020-08-11T00:52:03Z)

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。