Fugu-MT 論文翻訳(概要): Precision-Focused Reinforcement Learning Model for Robotic Object Pushing

論文の概要: Precision-Focused Reinforcement Learning Model for Robotic Object Pushing

arxiv url: http://arxiv.org/abs/2411.08622v1
Date: Wed, 13 Nov 2024 14:08:58 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-14 16:10:37.498066
Title: Precision-Focused Reinforcement Learning Model for Robotic Object Pushing
Title（参考訳）: ロボット物体の押圧における高精度強化学習モデル
Authors: Lara Bergmann, David Leins, Robert Haschke, Klaus Neumann,
Abstract要約: 非包括的操作は、ロボットが日常の状況で人間を支援する上で重要なスキルである。我々は,物体を目標位置へより正確にプッシュするために,新しいメモリベース視覚伝達RLモデルを提案する。
参考スコア（独自算出の注目度）: 1.2374541748245842
License:
Abstract: Non-prehensile manipulation, such as pushing objects to a desired target position, is an important skill for robots to assist humans in everyday situations. However, the task is challenging due to the large variety of objects with different and sometimes unknown physical properties, such as shape, size, mass, and friction. This can lead to the object overshooting its target position, requiring fast corrective movements of the robot around the object, especially in cases where objects need to be precisely pushed. In this paper, we improve the state-of-the-art by introducing a new memory-based vision-proprioception RL model to push objects more precisely to target positions using fewer corrective movements.
Abstract（参考訳）: 物体を所望の目標位置に押し上げるなどの非包括的操作は、ロボットが日常の状況で人間を支援する上で重要なスキルである。しかし、この課題は形状、大きさ、質量、摩擦など、様々な物理的性質を持つ多種多様な物体によって困難である。これは、対象の位置をオーバーシュートし、特に物体を正確に押す必要がある場合に、物体の周りのロボットの高速な修正動作を必要とする。本稿では,物体をより正確に目標位置へ押し出すため,新しいメモリベースの視覚受容型RLモデルを導入することにより,最先端技術の向上を図る。

関連論文リスト

Stimulating Imagination: Towards General-purpose Object Rearrangement [2.0885207827639785]
汎用オブジェクト配置は、インテリジェントロボットの基本的な能力である。我々はこの課題を達成するためにSPORTというフレームワークを提案する。 Sportは、物理的に現実的な結果を保証するために拡散に基づく3Dポーズ推定器を学習する。シミュレーションと実世界の実験により、汎用オブジェクト再構成を実現するためのアプローチの可能性を示す。
論文参考訳（メタデータ） (2024-08-03T03:53:05Z)
ManiFoundation Model for General-Purpose Robotic Manipulation of Contact Synthesis with Arbitrary Objects and Robots [24.035706461949715]
汎用ロボットが幅広い操作タスクをこなせるようなモデルを開発する必要がある。本研究は,汎用ロボット操作の基礎モデルを構築するための包括的枠組みを導入する。私たちのモデルは、平均的な成功率を約90%達成します。
論文参考訳（メタデータ） (2024-05-11T09:18:37Z)
ShapeShift: Superquadric-based Object Pose Estimation for Robotic Grasping [85.38689479346276]
現在の技術は参照3Dオブジェクトに大きく依存しており、その一般化性を制限し、新しいオブジェクトカテゴリに拡張するのにコストがかかる。本稿では,オブジェクトに適合するプリミティブな形状に対してオブジェクトのポーズを予測する,オブジェクトのポーズ推定のためのスーパークワッドリックベースのフレームワークであるShapeShiftを提案する。
論文参考訳（メタデータ） (2023-04-10T20:55:41Z)
Hierarchical Reinforcement Learning for Precise Soccer Shooting Skills using a Quadrupedal Robot [76.04391023228081]
本研究では,四足歩行ロボットが実世界において,強化学習を用いて精度の高い射撃技術を実現できるという課題に対処する。本研究では, 深層強化学習を活用して頑健な動作制御政策を訓練する階層的枠組みを提案する。提案するフレームワークをA1四足歩行ロボットに展開し、実世界のランダムなターゲットに向けて正確にボールを発射できるようにする。
論文参考訳（メタデータ） (2022-08-01T22:34:51Z)
Object Manipulation via Visual Target Localization [64.05939029132394]
オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
論文参考訳（メタデータ） (2022-03-15T17:59:01Z)
Semantically Grounded Object Matching for Robust Robotic Scene Rearrangement [21.736603698556042]
そこで本研究では,大規模な事前学習型視覚言語モデルを用いて,オブジェクトをクロスインスタンス設定でマッチングするオブジェクトマッチング手法を提案する。これにより、クロスインスタンス環境でのマッチング性能が大幅に向上することを示す。
論文参考訳（メタデータ） (2021-11-15T18:39:43Z)
V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated Objects [51.79035249464852]
本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
論文参考訳（メタデータ） (2021-11-07T02:31:09Z)
Maintaining a Reliable World Model using Action-aware Perceptual Anchoring [4.971403153199917]
物体が見えなくなったり見えなくなったりしても、ロボットは周囲のモデルを維持する必要がある。これは、環境内のオブジェクトを表すシンボルに知覚情報をアンカーする必要がある。本稿では,ロボットが物体を永続的に追跡できる行動認識型知覚アンカーのモデルを提案する。
論文参考訳（メタデータ） (2021-07-07T06:35:14Z)
Property-Aware Robot Object Manipulation: a Generative Approach [57.70237375696411]
本研究では,操作対象の隠れた特性に適応したロボットの動きを生成する方法に焦点を当てた。本稿では,ジェネレーティブ・アドバイサル・ネットワークを利用して,オブジェクトの特性に忠実な新しいアクションを合成する可能性について検討する。以上の結果から,ジェネレーティブ・アドバイサル・ネットは,新規かつ有意義な輸送行動を生み出すための強力なツールとなる可能性が示唆された。
論文参考訳（メタデータ） (2021-06-08T14:15:36Z)
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)

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。