論文の概要: Generating and Customizing Robotic Arm Trajectories using Neural Networks

• arxiv url: http://arxiv.org/abs/2506.20259v1
• Date: Wed, 25 Jun 2025 09:05:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.669425
• Title: Generating and Customizing Robotic Arm Trajectories using Neural Networks
• Title（参考訳）: ニューラルネットワークを用いたロボットアーム軌道の生成とカスタマイズ
• Authors: Andrej Lúčny, Matilde Antonj, Carlo Mazzola, Hana Hornáčková, Igor Farkaš,
• Abstract要約: 本稿では,ロボットアームの軌道を生成し,カスタマイズするためのニューラルネットワークアプローチを提案する。 提案手法は, 形状をカスタマイズし, 異なる設定に適応できる精度の高い軌道を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a neural network approach for generating and customizing the trajectory of a robotic arm, that guarantees precision and repeatability. To highlight the potential of this novel method, we describe the design and implementation of the technique and show its application in an experimental setting of cognitive robotics. In this scenario, the NICO robot was characterized by the ability to point to specific points in space with precise linear movements, increasing the predictability of the robotic action during its interaction with humans. To achieve this goal, the neural network computes the forward kinematics of the robot arm. By integrating it with a generator of joint angles, another neural network was developed and trained on an artificial dataset created from suitable start and end poses of the robotic arm. Through the computation of angular velocities, the robot was characterized by its ability to perform the movement, and the quality of its action was evaluated in terms of shape and accuracy. Thanks to its broad applicability, our approach successfully generates precise trajectories that could be customized in their shape and adapted to different settings.
• Abstract（参考訳）: ロボットアームの軌道を生成・カスタマイズするためのニューラルネットワークアプローチを導入し,精度と再現性を保証する。 本手法の可能性を強調するために,本手法の設計と実装について述べるとともに,認知ロボティクス実験における適用例を示す。 このシナリオでは、NICOロボットは、正確な線形運動で空間の特定の点を指し示す能力によって特徴付けられ、人間との相互作用におけるロボット動作の予測可能性を高めた。 この目的を達成するために、ニューラルネットワークはロボットアームの前方運動学を計算する。 関節角度のジェネレータと組み合わせることで、ロボットアームの適切な開始と終了のポーズから生成された人工データセットに基づいて、別のニューラルネットワークを開発し、訓練した。 角速度の計算により,ロボットの動作特性を把握し,動作の質を形状と精度で評価した。 適用範囲が広いため,提案手法は形状をカスタマイズし,異なる設定に適応できる精度の高い軌道を生成することができた。

関連論文リスト

• RoboPEPP: Vision-Based Robot Pose and Joint Angle Estimation through Embedding Predictive Pre-Training [27.63332596592781]
  関節角度の不明な関節ロボットの視覚に基づくポーズ推定は、協調ロボット工学や人間とロボットのインタラクションタスクに応用できる。 現在のフレームワークでは、ニューラルネットワークエンコーダを使用して、画像の特徴と下流層を抽出し、関節角とロボットのポーズを予測する。 本稿では,ロボットの物理モデルに関する情報を,マスクを用いた自己教師型埋め込み予測アーキテクチャを用いてエンコーダに融合させる手法であるRoboPEPPを紹介する。
  論文  参考訳（メタデータ） (2024-11-26T18:26:17Z)
• neuROSym: Deployment and Evaluation of a ROS-based Neuro-Symbolic Model for Human Motion Prediction [4.008958683836471]
  NeuroSyMは空間的相互作用の表現のための定性的軌道計算にコンテキストを組み込むことに成功した。 実際のシナリオでロボットをデプロイするためのROパッケージであるneuROSymを提供するために,オリジナルアーキテクチャを拡張した。 我々は,これらのモデルであるNeuroSyMとベースラインSGANを,人間の動作パターンが異なる2つのシナリオで評価した。
  論文  参考訳（メタデータ） (2024-06-24T11:13:06Z)
• RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
  RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。 我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
  論文  参考訳（メタデータ） (2023-11-02T17:59:21Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• Learning over time using a neuromorphic adaptive control algorithm for robotic arms [0.0]
  ロボットアームは操作空間を学習し、時間とともにタスクを完了できることが示される。 また、SNNに基づく適応型ロボット制御アルゴリズムは、エネルギー効率を維持しつつ、迅速な応答を可能にすることを示した。
  論文  参考訳（メタデータ） (2022-10-03T21:48:33Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Synthesis and Execution of Communicative Robotic Movements with Generative Adversarial Networks [59.098560311521034]
  我々は、繊細な物体を操作する際に人間が採用するのと同じキネマティクス変調を2つの異なるロボットプラットフォームに転送する方法に焦点を当てる。 我々は、ロボットのエンドエフェクターが採用する速度プロファイルを、異なる特徴を持つ物体を輸送する際に人間が何をするかに触発されて調整する。 我々は、人体キネマティクスの例を用いて訓練され、それらを一般化し、新しい有意義な速度プロファイルを生成する、新しいジェネレーティブ・アドバイサル・ネットワークアーキテクチャを利用する。
  論文  参考訳（メタデータ） (2022-03-29T15:03:05Z)
• In-air Knotting of Rope using Dual-Arm Robot based on Deep Learning [8.365690203298966]
  深層学習に基づく双腕二本指ロボットを用いて,ロープの空中結節を成功させた。 全ての対象状態に対応する適切なロボット動作のマニュアル記述を事前に作成することは困難である。 そこで我々は,ロボットに2つの深層ニューラルネットワークを訓練し,そのセンサモデレータから収集したデータに基づいてボクノットとオーバーハンドノットを行うよう指示するモデルを構築した。
  論文  参考訳（メタデータ） (2021-03-17T02:11:58Z)

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。