論文の概要: PolyFit: A Peg-in-hole Assembly Framework for Unseen Polygon Shapes via Sim-to-real Adaptation

• arxiv url: http://arxiv.org/abs/2312.02531v1
• Date: Tue, 5 Dec 2023 06:28:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 16:41:48.010893
• Title: PolyFit: A Peg-in-hole Assembly Framework for Unseen Polygon Shapes via Sim-to-real Adaptation
• Title（参考訳）: PolyFit: Sim-to-real Adaptationによる見知らぬポリゴン形状のためのペグインホールアセンブリフレームワーク
• Authors: Geonhyup Lee, Joosoon Lee, Sangjun Noh, Minhwan Ko, Kangmin Kim and Kyoobin Lee
• Abstract要約: PolyFitは5-DoFペグインホールアセンブリ用に設計された教師あり学習フレームワークである。 F/Tデータを正確な外因性ポーズ推定に利用し、ペグのポーズを調整して不一致を是正する。 穴内成功率は97.3%と96.3%で、シミュレーションでは目に見えない形状である。
• 参考スコア（独自算出の注目度）: 4.875369637162596
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The study addresses the foundational and challenging task of peg-in-hole assembly in robotics, where misalignments caused by sensor inaccuracies and mechanical errors often result in insertion failures or jamming. This research introduces PolyFit, representing a paradigm shift by transitioning from a reinforcement learning approach to a supervised learning methodology. PolyFit is a Force/Torque (F/T)-based supervised learning framework designed for 5-DoF peg-in-hole assembly. It utilizes F/T data for accurate extrinsic pose estimation and adjusts the peg pose to rectify misalignments. Extensive training in a simulated environment involves a dataset encompassing a diverse range of peg-hole shapes, extrinsic poses, and their corresponding contact F/T readings. To enhance extrinsic pose estimation, a multi-point contact strategy is integrated into the model input, recognizing that identical F/T readings can indicate different poses. The study proposes a sim-to-real adaptation method for real-world application, using a sim-real paired dataset to enable effective generalization to complex and unseen polygon shapes. PolyFit achieves impressive peg-in-hole success rates of 97.3% and 96.3% for seen and unseen shapes in simulations, respectively. Real-world evaluations further demonstrate substantial success rates of 86.7% and 85.0%, highlighting the robustness and adaptability of the proposed method.
• Abstract（参考訳）: ロボット工学におけるペグ・イン・ホール・アセンブリの基礎的かつ挑戦的な課題は、センサーの不正確さや機械的エラーによってしばしば挿入の失敗や妨害につながる。 本稿では,強化学習アプローチから教師あり学習手法への移行によるパラダイムシフトを表すPolyFitを紹介する。 PolyFitは5-DoFペグインホールアセンブリ用に設計されたForce/Torque (F/T)ベースの教師あり学習フレームワークである。 f/tデータを精度の高いポーズ推定に利用し、pegのポーズを調整して誤用を正す。 シミュレーション環境での広範なトレーニングには、さまざまなペグホール形状、外部ポーズ、対応する接触f/t読み取りを含むデータセットが含まれる。 外部のポーズ推定を強化するために、同一のF/T読み取りが異なるポーズを示すことを認識して、マルチポイント接触戦略をモデル入力に統合する。 本研究は,複雑多角形および非開多角形への効果的な一般化を可能にするために,sim-real paired datasetを用いた実世界応用のためのsim-to-real適応法を提案する。 PolyFitは、それぞれシミュレーションにおいて見かけの見えない形状に対して97.3%と96.3%という印象的な成功率を達成した。 実世界の評価は86.7%と85.0%のかなりの成功率を示し、提案手法の堅牢性と適応性を強調している。

関連論文リスト

• PIE: Physics-inspired Low-light Enhancement [38.2038884206756]
  PIEと呼ばれる低照度化のための物理に着想を得たコントラスト学習パラダイムを提案する。 ピエは、未熟な正・負のサンプルから効果的に学習し、既存のLLEの取り組みと明らかに異なる非意味的な地域的拡張を円滑に実現することができる。
  論文  参考訳（メタデータ） (2024-04-06T10:50:02Z)
• IPoD: Implicit Field Learning with Point Diffusion for Generalizable 3D Object Reconstruction from Single RGB-D Images [50.4538089115248]
  シングルビューRGB-D画像からの3Dオブジェクトの汎用化は依然として難しい課題である。 本稿では,暗黙の場学習と点拡散を調和させる新しい手法IPoDを提案する。 CO3D-v2データセットによる実験では、IPoDの優位性が確認され、Fスコアは7.8%、チャンファー距離は28.6%向上した。
  論文  参考訳（メタデータ） (2024-03-30T07:17:37Z)
• Federated Meta-Learning for Few-Shot Fault Diagnosis with Representation Encoding [21.76802204235636]
  本稿では,数発の故障診断のための表現符号化ベースフェデレーションメタラーニング(REFML)を提案する。 REFMLは、トレーニングクライアントの固有の一般化を活用して、効果的に、アウト・オブ・ディストリビューションの利点に変換する。 同じ機器の非表示作業条件でテストすると2.17%-6.50%、全く見えない機器でテストすると13.44%-18.33%の精度で精度が向上する。
  論文  参考訳（メタデータ） (2023-10-13T10:48:28Z)
• Generalized Face Forgery Detection via Adaptive Learning for Pre-trained Vision Transformer [54.32283739486781]
  適応学習パラダイムの下で,textbfForgery-aware textbfAdaptive textbfVision textbfTransformer(FA-ViT)を提案する。 FA-ViTは、クロスデータセット評価において、Celeb-DFおよびDFDCデータセット上で93.83%と78.32%のAUCスコアを達成する。
  論文  参考訳（メタデータ） (2023-09-20T06:51:11Z)
• Weakly-supervised 3D Pose Transfer with Keypoints [57.66991032263699]
  3Dポーズ転送の主な課題は、1) 異なる文字で同じポーズを行うペアトレーニングデータの欠如、2) ターゲットメッシュからポーズと形状情報を分離すること、3) 異なるトポロジを持つメッシュに適用することの難しさである。 本稿では,これらの課題を克服するためのキーポイントベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T12:40:24Z)
• Enhancing Deformable Local Features by Jointly Learning to Detect and Describe Keypoints [8.390939268280235]
  局所特徴抽出は、画像マッチングや検索といった重要なタスクに対処するためのコンピュータビジョンにおける標準的なアプローチである。 鍵点を共同で検出・記述する新しい変形認識ネットワークであるDALFを提案する。 提案手法は、変形可能なオブジェクト検索と、非剛性な3次元表面登録という、2つの実世界のアプリケーションの性能を向上させる。
  論文  参考訳（メタデータ） (2023-04-02T18:01:51Z)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• ACID: Action-Conditional Implicit Visual Dynamics for Deformable Object Manipulation [135.10594078615952]
  本稿では,体積変形可能なオブジェクトに対する動作条件の視覚力学モデルであるACIDを紹介する。 ベンチマークには17,000以上のアクション・トラジェクトリー、6種類のぬいぐるみと78種類の変種が含まれている。 我々のモデルは、幾何学、対応、力学の予測において最高の性能を達成する。
  論文  参考訳（メタデータ） (2022-03-14T04:56:55Z)
• Locally Aware Piecewise Transformation Fields for 3D Human Mesh Registration [67.69257782645789]
  本論文では,3次元変換ベクトルを学習し,提案空間内の任意のクエリ点をリザーブ空間内の対応する位置にマップする部分変換場を提案する。 パラメトリックモデルにネットワークのポーズを合わせることで、特に極端なポーズにおいて、より優れた登録品質が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-16T15:16:09Z)
• REFORM: Recognizing F-formations for Social Robots [4.833815605196964]
  本稿では,人やエージェントの位置や方向を検知するデータ駆動型手法であるREFORMを紹介する。 ReFORMは最先端のF-formation検出アルゴリズムよりも精度が向上した。
  論文  参考訳（メタデータ） (2020-08-17T23:32:05Z)

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。