論文の概要: KnotDLO: Toward Interpretable Knot Tying

• arxiv url: http://arxiv.org/abs/2506.22176v1
• Date: Fri, 27 Jun 2025 12:43:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:23.1982
• Title: KnotDLO: Toward Interpretable Knot Tying
• Title（参考訳）: KnotDLO: 解釈可能なノットタイリングを目指して
• Authors: Holly Dinkel, Raghavendra Navaratna, Jingyi Xiang, Brian Coltin, Trey Smith, Timothy Bretl,
• Abstract要約: KnotDLOは、片手で変形可能な線形オブジェクト(DLO)結び付けの方法である。 現在のDLO形状から将来のDLO状態のグラフおよび目標経路を計画する。 16回の結び目タイリングの試行において、KnotDLOは、これまで目に見えない構成からオーバーハンド結び目を結ぶ場合、50%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 6.243146366966637
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents KnotDLO, a method for one-handed Deformable Linear Object (DLO) knot tying that is robust to occlusion, repeatable for varying rope initial configurations, interpretable for generating motion policies, and requires no human demonstrations or training. Grasp and target waypoints for future DLO states are planned from the current DLO shape. Grasp poses are computed from indexing the tracked piecewise linear curve representing the DLO state based on the current curve shape and are piecewise continuous. KnotDLO computes intermediate waypoints from the geometry of the current DLO state and the desired next state. The system decouples visual reasoning from control. In 16 trials of knot tying, KnotDLO achieves a 50% success rate in tying an overhand knot from previously unseen configurations.
• Abstract（参考訳）: 片手で変形可能な線形オブジェクト(DLO)ノットタイリングの手法であるKnotDLOは、閉塞に頑健で、ロープの初期構成の変更を繰り返すことができ、動作ポリシーを生成するために解釈可能で、人間のデモンストレーションやトレーニングは不要である。 現在のDLO形状から将来のDLO状態のグラフおよび目標経路を計画する。 グラフポーズは、現在の曲線形状に基づいて、DLO状態を表すトラックされた片側線形曲線をインデックス化して計算され、片側連続である。 KnotDLOは、現在のDLO状態と所望の次の状態の幾何学から中間のウェイポイントを計算する。 システムは視覚的推論を制御から切り離す。 16回の結び目タイリングの試行において、KnotDLOは、これまで目に見えない構成からオーバーハンド結び目を結ぶ場合、50%の成功率を達成した。

関連論文リスト

• DLO-Splatting: Tracking Deformable Linear Objects Using 3D Gaussian Splatting [19.080636951502623]
  DLO-Splattingは、多視点RGB画像とグリップ状態情報から変形可能な線形物体(DLO)の3次元形状を推定するアルゴリズムである。 このアルゴリズムは、形状の滑らかさと剛性減衰補正を備えた位置ベース力学モデルを用いて、物体の形状を予測する。 実験では、既存の視覚のみの手法では難しいノットタイリングのシナリオで有望な結果を示す。
  論文  参考訳（メタデータ） (2025-05-13T15:03:40Z)
• Online Learning and Unlearning [56.770023668379615]
  オンライングラデーション降下(OGD)に基づくオンライン学習者アンラーナー(OLU)アルゴリズムを2つ提示する。 第一の受動的OLUは、OGDの収縮特性を利用し、未学習時にノイズを注入し、追加の計算を行わない。 2つめのアクティブなOLUは、オフラインの未学習アルゴリズムを使用して、削除されたデータを除くソリューションにモデルをシフトする。
  論文  参考訳（メタデータ） (2025-05-13T13:33:36Z)
• Deformable Linear Object Surface Placement Using Elastica Planning and Local Shape Control [0.0]
  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。
  論文  参考訳（メタデータ） (2025-03-11T15:33:36Z)
• DSLO: Deep Sequence LiDAR Odometry Based on Inconsistent Spatio-temporal Propagation [66.8732965660931]
  本稿では,LiDAR odometry DSLO の非一貫性時間伝搬に基づく3次元点列学習モデルを提案する。 ピラミッド構造で、シーケンシャルなポーズモジュール、階層的なポーズリファインメントモジュール、時間的特徴伝搬モジュールで構成されている。
  論文  参考訳（メタデータ） (2024-09-01T15:12:48Z)
• Semi-Supervised Model-Free Bayesian State Estimation from Compressed Measurements [57.04370580292727]
  圧縮測定によるベイズ状態の推定について考察する。 時間的測定ベクトルの寸法は、推定される時間的状態ベクトルの寸法よりも小さい。 状態の進化の基盤となる力学モデルは「モデルフリープロセス」では未知数である。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• 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)
• Modelling Latent Dynamics of StyleGAN using Neural ODEs [52.03496093312985]
  我々は、GANから独立に反転した潜在符号の軌跡を学習する。 学習した連続軌道により、無限のフレームと一貫したビデオ操作を行うことができる。 提案手法は最先端の性能を実現するが,計算量が少なくなる。
  論文  参考訳（メタデータ） (2022-08-23T21:20:38Z)
• Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
  本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2022-04-26T08:09:47Z)
• IDEA-Net: Dynamic 3D Point Cloud Interpolation via Deep Embedding Alignment [58.8330387551499]
  我々は、点方向軌跡(すなわち滑らかな曲線)の推定として問題を定式化する。 本稿では,学習した時間的一貫性の助けを借りて問題を解消する,エンドツーエンドのディープラーニングフレームワークであるIDEA-Netを提案する。 各種点群における本手法の有効性を実証し, 定量的かつ視覚的に, 最先端の手法に対する大幅な改善を観察する。
  論文  参考訳（メタデータ） (2022-03-22T10:14:08Z)

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。