論文の概要: Next-Best-Trajectory Planning of Robot Manipulators for Effective Observation and Exploration

• arxiv url: http://arxiv.org/abs/2503.22588v1
• Date: Fri, 28 Mar 2025 16:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:31:00.185420
• Title: Next-Best-Trajectory Planning of Robot Manipulators for Effective Observation and Exploration
• Title（参考訳）: 効果的な観察・探索のためのロボットマニピュレータの次世代トラジェクトリ計画
• Authors: Heiko Renz, Maximilian Krämer, Frank Hoffmann, Torsten Bertram,
• Abstract要約: Next-Best-Trajectory原則は、動的環境で動作するロボットマニピュレータ向けに開発された。 本稿では,環境モデリングにボクセルマップを用い,関心点を中心とした視点からレイキャストを行い,情報ゲインを推定する。 グローバル・エルゴード・トラジェクトリ・プランナーは、ローカル・プランナーにオプションの参照・トラジェクトリを提供し、探索を改善し、ローカル・ミニマを避けるのに役立つ。
• 参考スコア（独自算出の注目度）: 0.26999000177990923
• License:
• Abstract: Visual observation of objects is essential for many robotic applications, such as object reconstruction and manipulation, navigation, and scene understanding. Machine learning algorithms constitute the state-of-the-art in many fields but require vast data sets, which are costly and time-intensive to collect. Automated strategies for observation and exploration are crucial to enhance the efficiency of data gathering. Therefore, a novel strategy utilizing the Next-Best-Trajectory principle is developed for a robot manipulator operating in dynamic environments. Local trajectories are generated to maximize the information gained from observations along the path while avoiding collisions. We employ a voxel map for environment modeling and utilize raycasting from perspectives around a point of interest to estimate the information gain. A global ergodic trajectory planner provides an optional reference trajectory to the local planner, improving exploration and helping to avoid local minima. To enhance computational efficiency, raycasting for estimating the information gain in the environment is executed in parallel on the graphics processing unit. Benchmark results confirm the efficiency of the parallelization, while real-world experiments demonstrate the strategy's effectiveness.
• Abstract（参考訳）: オブジェクトの視覚的な観察は、オブジェクトの再構築や操作、ナビゲーション、シーン理解など、多くのロボットアプリケーションにとって不可欠である。 機械学習アルゴリズムは、多くの分野において最先端のアルゴリズムだが、収集するのに費用がかかり、時間を要する膨大なデータセットを必要とする。 データ収集の効率を高めるためには、観測と探索の自動化戦略が不可欠である。 そこで,ロボットマニピュレータを動的環境下で動作させる手法として,Next-Best-Trajectory原則を用いた新しい手法を開発した。 局所軌道は、衝突を避けながら経路に沿った観測から得られる情報を最大化するために生成される。 本稿では,環境モデリングにボクセルマップを用い,関心点を中心とした視点からレイキャストを行い,情報ゲインを推定する。 グローバル・エルゴード・トラジェクトリ・プランナーは、ローカル・プランナーにオプションの参照・トラジェクトリを提供し、探索を改善し、ローカル・ミニマを避けるのに役立つ。 計算効率を向上させるため、グラフィックス処理部において、環境の情報ゲインを推定するためのレイキャストが並列に実行される。 ベンチマークの結果は並列化の効率を確認し、実際の実験では戦略の有効性を示す。

関連論文リスト

• Synthetica: Large Scale Synthetic Data for Robot Perception [21.415878105900187]
  本稿では,ロバストな状態推定器を訓練するための大規模合成データ生成手法であるSyntheticaを提案する。 本稿では,ほとんどの状態推定問題のフロントエンドとして機能する重要な問題であるオブジェクト検出の課題に焦点を当てる。 レイトレーシングのデータを利用して270万の画像を生成し、高精度なリアルタイム検出変換器を訓練する。 我々は,従来のSOTAの9倍の50-100Hzの検出器を動作させながら,物体検出タスクにおける最先端性能を示す。
  論文  参考訳（メタデータ） (2024-10-28T15:50:56Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
  眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。 対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。 提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
  論文  参考訳（メタデータ） (2024-03-23T22:32:06Z)
• Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
  軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。 トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。 特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
  論文  参考訳（メタデータ） (2024-03-21T05:57:27Z)
• Learning to View: Decision Transformers for Active Object Detection [18.211691238072245]
  ほとんどのロボットシステムでは、知覚は運動計画とは独立している。 我々は,ロボットの認識品質を最大化する画像を得るために,強化学習法(RL)を用いてロボットを制御する。 屋内シナリオシミュレータから収集した対話型データセットにおいて,提案手法の性能を評価する。
  論文  参考訳（メタデータ） (2023-01-23T17:00:48Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• TRAIL: Near-Optimal Imitation Learning with Suboptimal Data [100.83688818427915]
  オフラインデータセットを使用してファクタードトランジションモデルを学習するトレーニング目標を提案する。 我々の理論的分析は、学習された潜在行動空間が下流模倣学習のサンプル効率を高めることを示唆している。 実際に潜伏行動空間を学習するために、エネルギーベースの遷移モデルを学ぶアルゴリズムTRAIL(Transition-Reparametrized Actions for Imitation Learning)を提案する。
  論文  参考訳（メタデータ） (2021-10-27T21:05:00Z)
• Adaptive Informative Path Planning Using Deep Reinforcement Learning for UAV-based Active Sensing [2.6519061087638014]
  深層強化学習(RL)に基づく情報経路計画のための新しい手法を提案する。 本手法は,モンテカルロ木探索とオフライン学習ニューラルネットワークを組み合わせた情報知覚行動の予測を行う。 ミッション中にトレーニングされたネットワークをデプロイすることにより、限られた計算資源を持つ物理プラットフォーム上で、サンプル効率の良いオンラインリプランニングが可能になる。
  論文  参考訳（メタデータ） (2021-09-28T09:00:55Z)
• Hierarchical Object-to-Zone Graph for Object Navigation [43.558927774552295]
  目に見えない環境では、対象のオブジェクトが自我中心のビューにない場合、エージェントは賢明な決定を下すことができないかもしれない。 エージェントを粗大に誘導する階層的オブジェクト・ツー・ゾーングラフ(HOZ)を提案する。 オンライン学習機構は、新しい環境におけるリアルタイム観測に応じてHOZを更新するためにも提案されている。
  論文  参考訳（メタデータ） (2021-09-05T13:02:17Z)
• Localized active learning of Gaussian process state space models [63.97366815968177]
  多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。 本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。 モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
  論文  参考訳（メタデータ） (2020-05-04T05:35:02Z)

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。