論文の概要: A Pin-Array Structure for Gripping and Shape Recognition of Convex and Concave Terrain Profiles
- arxiv url: http://arxiv.org/abs/2601.08143v1
- Date: Tue, 13 Jan 2026 02:16:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.758646
- Title: A Pin-Array Structure for Gripping and Shape Recognition of Convex and Concave Terrain Profiles
- Title（参考訳）: 凸面および凹面地形のグリップと形状認識のためのピンアレイ構造
- Authors: Takuya Kato, Kentaro Uno, Kazuya Yoshida,
- Abstract要約: 本稿では,極端環境下での移動ロボットの地形形状を把握・認識できるグリップについて述べる。
我々は,凸地形と凹地形の両方を把握し,ピンアレイ構造を導入して地形形状を同時に測定できるグリップを開発した。
- 参考スコア（独自算出の注目度）: 3.8685090011007577
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a gripper capable of grasping and recognizing terrain shapes for mobile robots in extreme environments. Multi-limbed climbing robots with grippers are effective on rough terrains, such as cliffs and cave walls. However, such robots may fall over by misgrasping the surface or getting stuck owing to the loss of graspable points in unknown natural environments. To overcome these issues, we need a gripper capable of adaptive grasping to irregular terrains, not only for grasping but also for measuring the shape of the terrain surface accurately. We developed a gripper that can grasp both convex and concave terrains and simultaneously measure the terrain shape by introducing a pin-array structure. We demonstrated the mechanism of the gripper and evaluated its grasping and terrain recognition performance using a prototype. Moreover, the proposed pin-array design works well for 3D terrain mapping as well as adaptive grasping for irregular terrains.
- Abstract（参考訳）: 本稿では,極端環境下での移動ロボットの地形形状を把握・認識できるグリップについて述べる。
ホバリングロボットは崖や洞窟壁などの荒地でも有効である。
しかし、そのようなロボットは、未知の自然環境における把握可能な点の喪失により、表面を間違えたり、立ち往生したりすることで転倒することがある。
これらの課題を克服するためには,不規則な地形に適応的に把握できる把持器が必要である。
我々は,凸地形と凹地形の両方を把握し,ピンアレイ構造を導入して地形形状を同時に測定できるグリップを開発した。
我々は,グリップの機構を実証し,その把握と地形認識性能を試作機を用いて評価した。
さらに、提案したピンアレイ設計は、不規則な地形に対する適応的把握だけでなく、3次元地形マッピングにも有効である。
関連論文リスト
- Adaptive Policy Switching of Two-Wheeled Differential Robots for Traversing over Diverse Terrains [1.9573380763700712]
本研究では,ナビゲーション中に収集した姿勢関連観測を用いて,地形タイプを効果的に推定できるかどうかを検討した。
我々はPPO(Proximal Policy Optimization)を用いて事前学習したポリシーを微調整し、平坦な地形や荒地を移動する際にロボットの3D方向データを収集した。
解析の結果、ロボットのピッチデータの標準偏差は、これらの2つの地形種間に明らかな差があることが判明した。
論文 参考訳（メタデータ） (2026-03-05T03:20:06Z) - Make-It-Poseable: Feed-forward Latent Posing Model for 3D Humanoid Character Animation [74.6792422278706]
本稿では,遅延空間変換問題として文字ポーズを再構成する新しいフィードフォワードフレームワークであるMake-It-Poseableを紹介する。
提案手法は,その潜在表現を直接操作することで,新しいポーズのキャラクタを再構成する。
また、部品交換や改良などの3D編集アプリケーションにも自然に拡張される。
論文 参考訳（メタデータ） (2025-12-18T17:01:44Z) - Terrain Sensing with Smartphone Structured Light: 2D Dynamic Time Warping for Grid Pattern Matching [0.0]
スマートフォンベースの構造化光システムは、グリッドパターンを地面に投影し、単一のハンドヘルドデバイスから局所的な地形の凹凸を再構築する。
本稿では,グローバルグリッドの整合性制約の下で列ワイドアライメントを行うトポロジ制約2次元動的時間ゆらぎ (2D-DTW) アルゴリズムを提案する。
2D-DTWの定式化は、地形センサだけでなく、画像処理シナリオにおける構造化グリッドパターンのマッチングのための汎用ツールとしても利用できる。
論文 参考訳（メタデータ） (2025-11-29T15:09:55Z) - GeoDistill: Geometry-Guided Self-Distillation for Weakly Supervised Cross-View Localization [70.65458151146767]
クロスビューのローカライゼーションは、自律ナビゲーションや拡張現実のような大規模な屋外アプリケーションにとって不可欠である。
既存の手法は、しばしば完全に教師付き学習に依存している。
本研究では,FoV(Field-of-View)ベースのマスキングを用いた教師学習フレームワークGeoDistillを提案する。
論文 参考訳（メタデータ） (2025-07-15T03:00:15Z) - TerraFusion: Joint Generation of Terrain Geometry and Texture Using Latent Diffusion Models [1.3999481573773072]
潜在拡散モデルを用いて地形の高度マップとテクスチャを共同で生成する手法を提案する。
提案手法は,高さマップとテクスチャの相関を保ちながら,直感的な地形生成を可能にすることを示す。
論文 参考訳（メタデータ） (2025-05-07T01:41:12Z) - Learning Humanoid Locomotion over Challenging Terrain [84.35038297708485]
本研究では,自然と人為的な地形を横断する視覚障害者の移動に対する学習に基づくアプローチを提案する。
本モデルではまず, 時系列モデルを用いた平地軌道のデータセット上で事前学習を行い, 補強学習を用いて不均一な地形を微調整する。
本研究では, 荒面, 変形面, 傾斜面など, 様々な地形にまたがる実際のヒューマノイドロボットを用いて, モデルを評価する。
論文 参考訳（メタデータ） (2024-10-04T17:57:09Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D
Object Detection [92.75961303269548]
先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである
本稿では,両問題を一度に解決するGPENetを提案する。
我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
論文 参考訳（メタデータ） (2022-11-03T02:21:35Z) - N-Cloth: Predicting 3D Cloth Deformation with Mesh-Based Networks [69.94313958962165]
本稿では,3次元布の変形予測のためのメッシュに基づく新しい学習手法(N-Cloth)を提案する。
グラフ畳み込みを用いて、メッシュ空間の非線形性を低減するために、布とメッシュを潜在空間に変換する。
我々のアプローチは、SMPL人間、非SMPL人間、または剛体に対応する様々な物体で、最大100ドルの三角形とシーンを持つ複雑な布メッシュを扱うことができる。
論文 参考訳（メタデータ） (2021-12-13T03:13:11Z) - Patchwork: Concentric Zone-based Region-wise Ground Segmentation with
Ground Likelihood Estimation Using a 3D LiDAR Sensor [0.1657441317977376]
地上のセグメンテーションは、地上の移動プラットフォームがナビゲーションや近隣の物体認識を行うために不可欠である。
提案手法は, 未分割問題に対処するために頑健なtextitPatchwork という新しいグラウンドセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-08-12T06:52:10Z) - Audio-Visual Self-Supervised Terrain Type Discovery for Mobile Platforms [29.590052023903446]
地形特性を認識・発見する能力は多くの自律型地上ロボットにとって重要な機能である。
移動体プラットフォームの下面に取り付けられたマイクから抽出した音声特徴を切り替えるマルチモーダル自己教師型学習手法を提案する。
次に、地形クラスタラベルを使用して、画像ベースの畳み込みニューラルネットワークをトレーニングし、地形タイプの変化を予測する。
論文 参考訳（メタデータ） (2020-10-13T11:56:48Z)
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。