論文の概要: Autonomously Unweaving Multiple Cables Using Visual Feedback

• arxiv url: http://arxiv.org/abs/2512.12468v1
• Date: Sat, 13 Dec 2025 21:42:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.332561
• Title: Autonomously Unweaving Multiple Cables Using Visual Feedback
• Title（参考訳）: 視覚フィードバックを用いた複数ケーブルの自律展開
• Authors: Tina Tian, Xinyu Wang, Andrew L. Orekhov, Fujun Ruan, Lu Li, Oliver Kroemer, Howie Choset,
• Abstract要約: ケーブルは変形可能であり、結び目と複数の織布のセグメントの組み合わせを持つことができる。 本稿では、視覚フィードバックを利用して、ゆるく絡み合ったケーブルの束を解き放つ方法を提案する。 上記の認識計画処理を繰り返すことで、電線や靴紐を84%の成功率で解織できることを実験的に実証した。
• 参考スコア（独自算出の注目度）: 27.549099502088875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many cable management tasks involve separating out the different cables and removing tangles. Automating this task is challenging because cables are deformable and can have combinations of knots and multiple interwoven segments. Prior works have focused on untying knots in one cable, which is one subtask of cable management. However, in this paper, we focus on a different subtask called multi-cable unweaving, which refers to removing the intersections among multiple interwoven cables to separate them and facilitate further manipulation. We propose a method that utilizes visual feedback to unweave a bundle of loosely entangled cables. We formulate cable unweaving as a pick-and-place problem, where the grasp position is selected from discrete nodes in a graph-based cable state representation. Our cable state representation encodes both topological and geometric information about the cables from the visual image. To predict future cable states and identify valid actions, we present a novel state transition model that takes into account the straightening and bending of cables during manipulation. Using this state transition model, we select between two high-level action primitives and calculate predicted immediate costs to optimize the lower-level actions. We experimentally demonstrate that iterating the above perception-planning-action process enables unweaving electric cables and shoelaces with an 84% success rate on average.
• Abstract（参考訳）: 多くのケーブル管理タスクには、異なるケーブルを分離し、絡みを取り除くことが含まれる。 このタスクの自動化は、ケーブルは変形可能であり、結び目と複数の織布のセグメントの組み合わせを持つことができるため、難しい。 以前の作業では、ケーブル管理のサブタスクである1本のケーブルで結び目を取り外すことに重点を置いていた。 しかし,本稿では,複数のケーブル間の交点を除去して分離し,さらなる操作を容易にするマルチケーブルアンウィービングという,異なるサブタスクに注目した。 本稿では、視覚フィードバックを利用して、ゆるく絡み合ったケーブルの束を解き放つ方法を提案する。 我々は、グラフベースのケーブル状態表現において、個々のノードから把握位置を選択できるピック・アンド・プレイス問題として、ケーブルアンウィービングを定式化する。 我々のケーブル状態表現は、視覚画像からケーブルの位相的および幾何学的情報をエンコードする。 将来的なケーブル状態の予測と有効な動作の同定を行うため,操作中のケーブルの直線化と曲げを考慮した新しい状態遷移モデルを提案する。 この状態遷移モデルを用いて、2つのハイレベルアクションプリミティブを選択し、予測された即時コストを計算し、低レベルアクションを最適化する。 上記の認識計画処理を繰り返すことで、平均84%の成功率で電線や靴紐を解織できることを実験的に実証した。

関連論文リスト

• CaRoBio: 3D Cable Routing with a Bio-inspired Gripper Fingernail [2.928964540437144]
  2本のフィンガーグリップは、ケーブルをつかんで誘導する際に、過密と過圧のリスクがある。 ワシにインスパイアされた新しいフィンガーネイルが指に装着され、平面上のケーブルをつかむのに役立ちます。 そこで本研究では,一般的なピック・アンド・プレイス戦略に代えて,指爪を用いたエンドツーエンドの3Dケーブル・ルーティング・フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-13T07:25:40Z)
• Multi-Stage Cable Routing through Hierarchical Imitation Learning [52.66135251744562]
  本研究では,多段階ロボット操作タスクの学習の課題とケーブルルーティングへの応用について検討する。 本稿では,この手法を用いてケーブルルーティングタスクを学習し,優れた性能を示す評価を行うシステムを提案する。
  論文  参考訳（メタデータ） (2023-07-18T02:14:49Z)
• Automatic High Resolution Wire Segmentation and Removal [54.65877883437031]
  ワイヤーとパワーラインは、しばしば写真の美学を損なう一般的な視覚的障害である。 本稿では,線分別・除去・塗布過程を数秒以内で容易に行う自動ワイヤクリーンアップシステムを提案する。
  論文  参考訳（メタデータ） (2023-04-01T04:24:12Z)
• Autonomously Untangling Long Cables [79.09016120505088]
  ケーブルは多くの設定でユビキタスですが、セルフオクルージョンや結び目が多いです。 本稿では,二足歩行ロボットを用いて,最大3mのケーブルを自律的にアンハングリングすることに焦点を当てた。 我々は,この作業に特化した長尺ケーブルと新しい顎を効率的に切り離す新しい動作プリミティブを開発した。
  論文  参考訳（メタデータ） (2022-07-16T02:35:09Z)
• Disentangling Dense Multi-Cable Knots [27.77670796271305]
  我々は、複数のケーブルを接続する問題を形式化し、非平面多重cAble kNots (IRON-MAN) の反復削減アルゴリズムを提案する。 我々は、このアルゴリズムを学習された知覚システムでインスタンス化する。 我々は,IRON-MANがトレーニングデータに現れる型をアンハングリングする上での有効性を実験的に評価し,マルチケーブル結び目の新しいクラスに一般化する。
  論文  参考訳（メタデータ） (2021-06-04T04:31:59Z)
• Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds with Optimal Transport and Random Walk [59.87525177207915]
  シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。 本手法は,自己教師付き学習手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-18T03:12:42Z)
• Condition Assessment of Stay Cables through Enhanced Time Series Classification Using a Deep Learning Approach [4.648677931378919]
  本研究では,無傷状態からバイアスパターンを認識し,測定ケーブル力によるケーブル損傷を検知するデータ駆動方式を提案する。 提案手法は, ケーブルを損傷したケーブル架設橋上で試験した。
  論文  参考訳（メタデータ） (2021-01-11T05:08:19Z)

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。