論文の概要: Deformable Linear Object Surface Placement Using Elastica Planning and Local Shape Control

• arxiv url: http://arxiv.org/abs/2503.08545v1
• Date: Tue, 11 Mar 2025 15:33:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 19:17:36.104181
• Title: Deformable Linear Object Surface Placement Using Elastica Planning and Local Shape Control
• Title（参考訳）: 弾性計画と局所形状制御を用いた変形可能な線形物体表面配置
• Authors: I. Grinberg, A. Levin, E. D. Rimon,
• Abstract要約: 本稿では,変形可能な線形物体(DLO)を平面上に単一ロボットハンドで配置するための2層的アプローチについて述べる。 高レベル層は、弾性体溶液に基づく新しいDLO表面配置法である。 低レベル層はパイプラインコントローラを形成する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Manipulation of deformable linear objects (DLOs) in constrained environments is a challenging task. This paper describes a two-layered approach for placing DLOs on a flat surface using a single robot hand. The high-level layer is a novel DLO surface placement method based on Euler's elastica solutions. During this process one DLO endpoint is manipulated by the robot gripper while a variable interior point of the DLO serves as the start point of the portion aligned with the placement surface. The low-level layer forms a pipeline controller. The controller estimates the DLO current shape using a Residual Neural Network (ResNet) and uses low-level feedback to ensure task execution in the presence of modeling and placement errors. The resulting DLO placement approach can recover from states where the high-level manipulation planner has failed as required by practical robot manipulation systems. The DLO placement approach is demonstrated with simulations and experiments that use silicon mock-up objects prepared for fresh food applications.
• Abstract（参考訳）: 制約環境における変形可能な線形オブジェクト(DLO)の操作は難しい課題である。 本稿では,ロボットハンドを用いて平面上にDLOを配置する2層アプローチについて述べる。 高レベル層は、オイラーの弾性体解に基づく新しいDLO表面配置法である。 この過程で、ロボットグッパーによりDLOエンドポイントが操作され、DLOの可変内点が配置面に整合した部分の開始点として機能する。 低レベル層はパイプラインコントローラを形成する。 コントローラは残留ニューラルネットワーク(Residual Neural Network, ResNet)を用いてDLO電流形状を推定し, 低レベルフィードバックを用いて, モデルや配置誤差の存在下でのタスク実行を保証する。 結果として生じるDLO配置アプローチは、実際のロボット操作システムで要求される高レベルな操作プランナーが失敗した状態から回復することができる。 DLO配置法は、新鮮な食品用途のために調製されたシリコンモックアップオブジェクトを用いたシミュレーションと実験で実証されている。

関連論文リスト

• Towards smart and adaptive agents for active sensing on edge devices [4.2534846356464815]
  TinyMLは、低消費電力エッジデバイスにディープラーニングモデルをデプロイ可能にする。 ディープラーニングのスケーリング法則は、Edge上にデプロイしても適用できない。 本稿では,デバイス上での認識と計画を行うスマートエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2025-01-09T13:27:02Z)
• SMORE: Simulataneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• D-Cubed: Latent Diffusion Trajectory Optimisation for Dexterous Deformable Manipulation [15.680133621889809]
  D-Cubedは、タスクに依存しないプレイデータセットからトレーニングされた潜在拡散モデル(LDM)を用いた、新しい軌道最適化手法である。 我々は、D-Cubedが従来の軌道最適化および競争ベースラインアプローチをかなりの差で上回ることを示した。
  論文  参考訳（メタデータ） (2024-03-19T16:05:51Z)
• DexDLO: Learning Goal-Conditioned Dexterous Policy for Dynamic Manipulation of Deformable Linear Objects [7.72979328949568]
  変形可能な線形オブジェクトに対するデキスタラス動的操作ポリシーを固定ベースデキスタラスハンドで学習するモデルフリーフレームワークであるDexDLOを提案する。 我々は,同じフレームワークパラメータで5つの異なるDLO操作タスクを効率的に学習できることを示す。
  論文  参考訳（メタデータ） (2023-12-23T09:26:20Z)
• DLOFTBs -- Fast Tracking of Deformable Linear Objects with B-splines [1.3836565669337055]
  本稿では,マスク画像に基づいてDLOの形状を高速に追跡するアルゴリズムを提案する。 実験の結果,DLOの形状復元精度とアルゴリズム実行時間において,我々の解は現状のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-27T11:54:04Z)
• In-Distribution Barrier Functions: Self-Supervised Policy Filters that Avoid Out-of-Distribution States [84.24300005271185]
  本稿では,任意の参照ポリシーをラップした制御フィルタを提案する。 本手法は、トップダウンとエゴセントリックの両方のビュー設定を含むシミュレーション環境における2つの異なるビズモータ制御タスクに有効である。
  論文  参考訳（メタデータ） (2023-01-27T22:28:19Z)
• 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)
• Localization and Tracking of User-Defined Points on Deformable Objects for Robotic Manipulation [0.0]
  本稿では,変形可能なオブジェクトの表面上のユーザ定義点をローカライズする効率的な手法を提案する。 複数ステップの非線形ソルバパイプラインを用いて,実行時に推定される離散化変形場を提案する。 本手法は, 産業生産プロセスにおける非剛体物体の認識に最適であるように, データ並列方式でオンラインのローカライズ問題を解くことができる。
  論文  参考訳（メタデータ） (2021-05-19T11:25:33Z)
• Densely Nested Top-Down Flows for Salient Object Detection [137.74130900326833]
  本稿では,物体検出におけるトップダウンモデリングの役割を再考する。 密度の高いトップダウンフロー(DNTDF)ベースのフレームワークを設計する。 DNTDFのすべての段階において、高いレベルの特徴はプログレッシブ圧縮ショートカットパス(PCSP)を介して読み込まれる。
  論文  参考訳（メタデータ） (2021-02-18T03:14:02Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Latent Space Roadmap for Visual Action Planning of Deformable and Rigid Object Manipulation [74.88956115580388]
  プランニングは、イメージを埋め込んだ低次元の潜在状態空間で行われる。 我々のフレームワークは2つの主要なコンポーネントで構成されており、画像のシーケンスとして視覚的な計画を生成するビジュアル・フォレスト・モジュール(VFM)と、それら間のアクションを予測するアクション・プロポーザル・ネットワーク(APN)である。
  論文  参考訳（メタデータ） (2020-03-19T18:43:26Z)

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。