論文の概要: Task Tree Retrieval For Robotic Cooking
- arxiv url: http://arxiv.org/abs/2312.09434v1
- Date: Mon, 27 Nov 2023 20:41:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 14:25:27.429666
- Title: Task Tree Retrieval For Robotic Cooking
- Title（参考訳）: ロボット調理のためのタスクツリー検索
- Authors: Chakradhar Reddy Nallu
- Abstract要約: 本論文は,与えられた目標ノードに対するタスクツリー計画を生成する,異なるアルゴリズムの開発に基づく。
料理の知識表現はFOONと呼ばれ、異なるオブジェクトとそれらの間のそれぞれをモーションノードに格納する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper is based on developing different algorithms, which generate the
task tree planning for the given goal node(recipe). The knowledge
representation of the dishes is called FOON. It contains the different objects
and their between them with respective to the motion node The graphical
representation of FOON is made by noticing the change in the state of an object
with respect to the human manipulators. We will explore how the FOON is created
for different recipes by the robots. Task planning contains difficulties in
exploring unknown problems, as its knowledge is limited to the FOON. To get the
task tree planning for a given recipe, the robot will retrieve the information
of different functional units from the knowledge retrieval process called FOON.
Thus the generated subgraphs will allow the robot to cook the required dish.
Thus the robot can able to cook the given recipe by following the sequence of
instructions.
- Abstract（参考訳）: 本稿では,与えられた目標ノード(レシピ)のタスクツリー計画を生成する,異なるアルゴリズムの開発に基づく。
料理の知識表現をFOONと呼ぶ。
動作ノードにそれぞれ異なるオブジェクトとそれらの間のオブジェクトを含み、人間のマニピュレータに関するオブジェクトの状態の変化に気付き、フォオンのグラフィカルな表現を行う。
ロボットによって異なるレシピのために、FOONがどのように作られたかを探る。
タスクプランニングには未知の問題の探索が困難であり、その知識はフーンに限定されている。
与えられたレシピのタスクツリープランニングを得るために、ロボットはFOONと呼ばれる知識検索プロセスから異なる機能ユニットの情報を取得する。
したがって、生成されたサブグラフは、ロボットが必要な料理を調理できるようにする。
これにより、ロボットは指示の順序に従って所定のレシピを調理することができる。
関連論文リスト
- Task tree retrieval from FOON using search algorithms [0.0]
可能なすべてのタスクの指示をロボットに提供することはほとんど不可能です。
We have a Universal Functional Object-oriented Network (FOON) which was created and expanded。
目標ノードと所与のキッチンアイテムのタスクツリーを検索するために,2つのアルゴリズム(IDSとGBFS)を用いる。
論文 参考訳（メタデータ） (2023-12-02T05:00:55Z) - Learning Reward Functions for Robotic Manipulation by Observing Humans [92.30657414416527]
我々は、ロボット操作ポリシーのタスク非依存報酬関数を学習するために、幅広い操作タスクを解く人間のラベル付きビデオを使用する。
学習された報酬は、タイムコントラストの目的を用いて学習した埋め込み空間におけるゴールまでの距離に基づいている。
論文 参考訳（メタデータ） (2022-11-16T16:26:48Z) - Knowledge Retrieval for Robotic Cooking [0.0]
機能的オブジェクト指向ネットワークにおける検索アルゴリズム開発の背後にある動機は、ほとんどの場合、特定のレシピを検索するか、特定のレシピの材料を判断する必要があることである。
本稿では,ロボットと人間が複雑なタスクを一緒に完了させるための重み付きFOONとタスク計画アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-11-08T19:40:27Z) - Task Tree Retrieval for Robotic Cooking [0.0]
このエッセイでは、人間の操作からの洞察に基づいて構築された構造的知識表現であるFOONのアイデアを紹介した。
故障率を低減し、タスクが効果的に完了することを保証するため、3つの異なるアルゴリズムが実装されている。
この知識表現は、オープンソースのレシピのビデオを使って作成された。
論文 参考訳（メタデータ） (2022-11-03T12:18:31Z) - Long-Horizon Planning and Execution with Functional Object-Oriented
Networks [79.94575713911189]
タスク計画と実行のためのFOONとしてオブジェクトレベルの知識を活用するというアイデアを紹介します。
提案手法では,FOONをPDDLに自動変換し,市販のプランナ,アクションコンテキスト,ロボットスキルを活用する。
我々はCoppeliaSimの長期タスクに対するアプローチを実証し、学習されたアクションコンテキストを、これまで見たことのないシナリオにどのように拡張できるかを示す。
論文 参考訳（メタデータ） (2022-07-12T19:29:35Z) - 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) - Functional Task Tree Generation from a Knowledge Graph to Solve Unseen
Problems [5.400294730456784]
人間とは異なり、ロボットは創造的に新しいシナリオに適応できない。
知識グラフの形で存在する知識は、タスクツリーを作成するための参照の基盤として使用される。
提案手法は, 未確認成分の組み合わせであっても, 高精度にタスクプランを作成できることが示唆された。
論文 参考訳（メタデータ） (2021-12-04T21:28:22Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z) - Evaluating Recipes Generated from Functional Object-Oriented Network [4.94338660039249]
機能的オブジェクト指向ネットワーク(FOON)は知識表現として導入され、グラフの形式を採っている。
ロボットは、操作タスクのシーケンシャルプランを得るために、FOONから知識検索プロセスを通じてタスクツリーを得ることができる。
獲得したタスクツリーの品質を,レシピやマニュアルといった従来のタスク知識と比較する。
論文 参考訳（メタデータ） (2021-06-01T19:00:52Z) - A Road-map to Robot Task Execution with the Functional Object-Oriented
Network [77.93376696738409]
関数型オブジェクト指向ネットワーク(FOON)はロボットの知識グラフ表現である。
FOONは、二部グラフの形で、ロボットの環境やタスクに対する理解に関係のある象徴的あるいは高レベルな情報を含んでいる。
論文 参考訳（メタデータ） (2021-06-01T00:43:04Z) - Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。
ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。
本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-02T10:54:25Z)
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。