論文の概要: Gradient-based Local Next-best-view Planning for Improved Perception of
Targeted Plant Nodes
- arxiv url: http://arxiv.org/abs/2311.16759v1
- Date: Tue, 28 Nov 2023 13:02:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 18:33:56.309222
- Title: Gradient-based Local Next-best-view Planning for Improved Perception of
Targeted Plant Nodes
- Title(参考訳): 植物ノードの知覚改善のための勾配に基づく局所次視点計画
- Authors: Akshay K. Burusa, Eldert J. van Henten, Gert Kootstra
- Abstract要約: 我々はこの問題をNBV計画タスクとして定式化する。
我々の定式化は、カットされる確率を最大化するために単一の目標ノードの認識精度を迅速に向上することに焦点を当てている。
本稿では, 局所勾配方向を直接推定するディファレンシャルレイサンプリングを用いた勾配型NBVプランナを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Robots are increasingly used in tomato greenhouses to automate
labour-intensive tasks such as selective harvesting and de-leafing. To perform
these tasks, robots must be able to accurately and efficiently perceive the
plant nodes that need to be cut, despite the high levels of occlusion from
other plant parts. We formulate this problem as a local next-best-view (NBV)
planning task where the robot has to plan an efficient set of camera viewpoints
to overcome occlusion and improve the quality of perception. Our formulation
focuses on quickly improving the perception accuracy of a single target node to
maximise its chances of being cut. Previous methods of NBV planning mostly
focused on global view planning and used random sampling of candidate
viewpoints for exploration, which could suffer from high computational costs,
ineffective view selection due to poor candidates, or non-smooth trajectories
due to inefficient sampling. We propose a gradient-based NBV planner using
differential ray sampling, which directly estimates the local gradient
direction for viewpoint planning to overcome occlusion and improve perception.
Through simulation experiments, we showed that our planner can handle
occlusions and improve the 3D reconstruction and position estimation of nodes
equally well as a sampling-based NBV planner, while taking ten times less
computation and generating 28% more efficient trajectories.
- Abstract(参考訳): トマトの温室では、選択的収穫や脱葉といった労働集約的な作業を自動化するロボットが増えている。
これらのタスクを実行するには、ロボットは、他の植物部分から高いレベルの閉塞があるにもかかわらず、カットが必要な植物ノードを正確かつ効率的に知覚できなければならない。
この問題を,ロボットが咬合を克服し知覚の質を向上させるために,効率的なカメラ視点のセットを計画しなければならない局所的次善視点計画タスクとして定式化する。
提案方式では,単一の対象ノードの知覚精度を迅速に向上し,切断の確率を最大化することに注力する。
従来のnbv計画の方法は、大域的視点計画に重点を置いており、高い計算コスト、悪い候補による非効率的な視点選択、または非効率的なサンプリングによる非スムース軌道に苦しむ探索のための候補視点のランダムサンプリングを用いていた。
ディファレンシャルレイサンプリングを用いた傾斜型nbvプランナーを提案し, 局所勾配方向を直接推定し, 咬合を克服し, 知覚を改善する。
シミュレーション実験により,本プランナーはオクルージョンを処理し,サンプリング型nbvプランナーと同様にノードの3次元再構成と位置推定を改善し,10倍の計算を要し,28%の効率の良いトラジェクタを生成することができた。
関連論文リスト
- Deep Reinforcement Learning with Dynamic Graphs for Adaptive Informative
Path Planning [25.137104841642305]
ロボットデータ取得における重要な課題は、当初未知の環境を抜けて観測を収集する計画経路である。
そこで本研究では,未知の3D環境において,ロボット経路を適応的に計画し,対象をマップする深層強化学習手法を提案する。
論文 参考訳(メタデータ) (2024-02-07T14:24:41Z) - Consolidating Trees of Robotic Plans Generated Using Large Language
Models to Improve Reliability [6.4111574364474215]
LLM(Large Language Models)の固有の確率論的性質は、予測不可能な要素を導入している。
本稿では,多様な現実の要求やシナリオに対して,適切なロボットタスク計画を作成することを目的とした,革新的なアプローチを提案する。
論文 参考訳(メタデータ) (2024-01-15T18:01:59Z) - OccNeRF: Self-Supervised Multi-Camera Occupancy Prediction with Neural
Radiance Fields [80.35807140179736]
自己監督型マルチカメラ占有率予測のためのOccNeRF法を提案する。
我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成する。
意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文 参考訳(メタデータ) (2023-12-14T18:58:52Z) - Online Tool Selection with Learned Grasp Prediction Models [15.915410623440875]
深層学習に基づく把握予測モデルは、ロボットビンピッキングシステムの業界標準となっている。
ピックの成功を最大化するために、生産環境は、しばしばターゲットオブジェクトに基づいて、オンザフライで交換できるいくつかのエンドエフェクタツールを備えている。
システムスループットを改善するために、グリップの順序、およびそれに対応するツール変更アクションをどのように選択するかを示す。
論文 参考訳(メタデータ) (2023-02-15T20:52:38Z) - DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。
本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。
このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文 参考訳(メタデータ) (2023-01-18T11:02:06Z) - Achieving mouse-level strategic evasion performance using real-time
computational planning [59.60094442546867]
計画とは、脳が想像し、予測可能な未来を成立させる特別な能力である。
我々は,動物の生態が空間計画の価値をどのように支配するかという研究に基づいて,より効率的な生物学的に着想を得た計画アルゴリズムであるTLPPOを開発した。
TLPPOを用いたリアルタイムエージェントの性能とライブマウスの性能を比較し,ロボット捕食者を避けることを課題とする。
論文 参考訳(メタデータ) (2022-11-04T18:34:36Z) - Sequence-Based Plan Feasibility Prediction for Efficient Task and Motion
Planning [36.300564378022315]
本稿では,移動環境における移動操作問題を解決するための学習可能なタスク・アンド・モーション・プランニング(TAMP)アルゴリズムを提案する。
本アルゴリズムのコアは,タスク計画,目標,初期状態を考慮したトランスフォーマーに基づく新しい学習手法であるPIGINetであり,タスク計画に関連する運動軌跡の発見確率を予測する。
論文 参考訳(メタデータ) (2022-11-03T04:12:04Z) - Adaptive Selection of Informative Path Planning Strategies via
Reinforcement Learning [6.015556590955814]
ローカルプランニング」アプローチでは,次回のサンプリング場所の優先順位が予測性能や帰路距離に与える影響を調査するために,様々な空間範囲が採用されている。
温度モニタリングロボットの使用事例実験により、プランナーの動的混合物は高度な情報プランを生成できるだけでなく、予測信頼性を犠牲にすることなく、大幅に距離を縮めることができることが示された。
論文 参考訳(メタデータ) (2021-08-14T21:32:33Z) - A feasibility study of a hyperparameter tuning approach to automated
inverse planning in radiotherapy [68.8204255655161]
本研究の目的は,計画品質を保ちながら,逆計画プロセスを自動化し,積極的な計画時間を短縮することである。
本研究では, 線量パラメータの選択, ランダムおよびベイズ探索法, ユーティリティ関数形式が計画時間と計画品質に及ぼす影響について検討した。
100個のサンプルを用いて良好な計画品質が得られ、平均計画時間は2.3時間であった。
論文 参考訳(メタデータ) (2021-05-14T18:37:00Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳(メタデータ) (2020-07-13T03:51:08Z) - Long-Horizon Visual Planning with Goal-Conditioned Hierarchical
Predictors [124.30562402952319]
未来に予測し、計画する能力は、世界で行動するエージェントにとって基本である。
視覚的予測と計画のための現在の学習手法は、長期的タスクでは失敗する。
本稿では,これらの制約を克服可能な視覚的予測と計画のためのフレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-23T17:58:56Z)
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。