論文の概要: A Peg-in-hole Task Strategy for Holes in Concrete
- arxiv url: http://arxiv.org/abs/2403.19946v1
- Date: Fri, 29 Mar 2024 03:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 16:34:41.933752
- Title: A Peg-in-hole Task Strategy for Holes in Concrete
- Title(参考訳): コンクリート穴の穴あけ対策
- Authors: André Yuji Yasutomi, Hiroki Mori, Tetsuya Ogata,
- Abstract要約: 提案手法は, コンクリートの高摩擦係数の負の影響を回避するため, 壁面からペグをわずかに除去する。
強化学習を通じてトレーニングされたディープニューラルネットワーク(DNN)を使用して、形状や表面仕上げの異なる穴を効果的に見つける。
- 参考スコア(独自算出の注目度): 13.863570422169019
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A method that enables an industrial robot to accomplish the peg-in-hole task for holes in concrete is proposed. The proposed method involves slightly detaching the peg from the wall, when moving between search positions, to avoid the negative influence of the concrete's high friction coefficient. It uses a deep neural network (DNN), trained via reinforcement learning, to effectively find holes with variable shape and surface finish (due to the brittle nature of concrete) without analytical modeling or control parameter tuning. The method uses displacement of the peg toward the wall surface, in addition to force and torque, as one of the inputs of the DNN. Since the displacement increases as the peg gets closer to the hole (due to the chamfered shape of holes in concrete), it is a useful parameter for inputting in the DNN. The proposed method was evaluated by training the DNN on a hole 500 times and attempting to find 12 unknown holes. The results of the evaluation show the DNN enabled a robot to find the unknown holes with average success rate of 96.1% and average execution time of 12.5 seconds. Additional evaluations with random initial positions and a different type of peg demonstrate the trained DNN can generalize well to different conditions. Analyses of the influence of the peg displacement input showed the success rate of the DNN is increased by utilizing this parameter. These results validate the proposed method in terms of its effectiveness and applicability to the construction industry.
- Abstract(参考訳): 産業用ロボットがコンクリート中の穴の穴あけを行えるようにする手法を提案する。
提案手法は, コンクリートの高摩擦係数の負の影響を回避するため, 壁面からペグをわずかに除去する。
強化学習を通じて訓練されたディープニューラルネットワーク(DNN)を使用して、分析モデルや制御パラメータチューニングを使わずに、可変形状と表面仕上げ(コンクリートの脆さの性質のため)の穴を効果的に見つける。
この方法は、DNNの入力の1つとして、力とトルクに加えて、壁面へのペグの変位を利用する。
ペグが穴に近づくにつれて変位が増加するので(コンクリート中の穴の面形状による)、DNNを入力するのに有用なパラメータである。
提案手法はDNNを500倍の穴で訓練し,12個の未知の穴を見つけようとした。
評価の結果、DNNは、平均成功率96.1%、平均実行時間12.5秒の未知の穴を見つけることができた。
ランダムな初期位置と異なるタイプのペグによる追加評価は、訓練されたDNNが異なる条件でうまく一般化できることを示す。
このパラメータを用いてDNNの成功率を増加させたペグ変位入力の影響を解析した。
これらの結果は,提案手法の有効性と建設産業への適用性の観点から検証した。
関連論文リスト
- Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳(メタデータ) (2024-05-01T12:03:39Z) - The #DNN-Verification Problem: Counting Unsafe Inputs for Deep Neural
Networks [94.63547069706459]
#DNN-Verification問題は、DNNの入力構成の数を数えることによって安全性に反する結果となる。
違反の正確な数を返す新しい手法を提案する。
安全クリティカルなベンチマークのセットに関する実験結果を示す。
論文 参考訳(メタデータ) (2023-01-17T18:32:01Z) - Backdoor Defense via Suppressing Model Shortcuts [91.30995749139012]
本稿では,モデル構造の角度からバックドア機構を探索する。
攻撃成功率 (ASR) は, キースキップ接続の出力を減少させると著しく低下することを示した。
論文 参考訳(メタデータ) (2022-11-02T15:39:19Z) - Invisible Backdoor Attacks Using Data Poisoning in the Frequency Domain [8.64369418938889]
周波数領域に基づく一般化されたバックドア攻撃手法を提案する。
トレーニングプロセスのミスラベルやアクセスをすることなく、バックドアのインプラントを実装できる。
我々は,3つのデータセットに対して,ラベルなし,クリーンラベルのケースにおけるアプローチを評価した。
論文 参考訳(メタデータ) (2022-07-09T07:05:53Z) - A Mask-Based Adversarial Defense Scheme [3.759725391906588]
敵対的攻撃はディープニューラルネットワーク(DNN)の機能と精度を妨げる
敵攻撃による負の効果を軽減するため,DNNのためのMask-based Adversarial Defense scheme (MAD)を提案する。
論文 参考訳(メタデータ) (2022-04-21T12:55:27Z) - Is Neuron Coverage Needed to Make Person Detection More Robust? [3.395452700023097]
本研究では,混み合った場面における人物検出の課題に対して,CGT(Comported-Guided Testing)を適用した。
提案したパイプラインは、人検出にYOLOv3を使用し、サンプリングと突然変異によるバグの発見を含む。
調査対象の指標が強靭性向上に有効であることを示す証拠は見出されていない。
論文 参考訳(メタデータ) (2022-04-21T11:23:33Z) - AEVA: Black-box Backdoor Detection Using Adversarial Extreme Value
Analysis [23.184335982913325]
ブラックボックスのハードラベルバックドア検出問題に対処する。
本研究では, バックドア検出の目的は, 逆方向の目的によって拘束されていることを示す。
ブラックボックスニューラルネットワークのバックドア検出のための対向的極値解析を提案する。
論文 参考訳(メタデータ) (2021-10-28T04:36:48Z) - GDP: Stabilized Neural Network Pruning via Gates with Differentiable
Polarization [84.57695474130273]
ゲートベースまたは重要度に基づくプルーニング手法は、重要度が最小のチャネルを削除することを目的としている。
GDPは、各チャネルのオン・アンド・オフを制御するために、ベルやホイッスルのない畳み込み層の前に接続することができる。
CIFAR-10とImageNetデータセットを用いて行った実験は、提案したGDPが最先端のパフォーマンスを達成することを示している。
論文 参考訳(メタデータ) (2021-09-06T03:17:10Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳(メタデータ) (2020-11-17T12:52:18Z) - Against Membership Inference Attack: Pruning is All You Need [22.13027338667513]
我々は、この重み付け技術が、深層学習ネットワーク(DNN)の会員推論攻撃(MIA)に対する効果を期待する。
そこで本研究では,プライバシの漏洩を防止するサブネットワークが提案されている。
実験の結果,モデル圧縮による攻撃精度は,ベースラインゲームとMin-Maxゲームよりも最大13.6%,10%低いことがわかった。
論文 参考訳(メタデータ) (2020-08-28T02:15:44Z) - GraN: An Efficient Gradient-Norm Based Detector for Adversarial and
Misclassified Examples [77.99182201815763]
ディープニューラルネットワーク(DNN)は、敵対的な例やその他のデータ摂動に対して脆弱である。
GraNは、どのDNNにも容易に適応できる時間およびパラメータ効率の手法である。
GraNは多くの問題セットで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2020-04-20T10:09:27Z)
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。