論文の概要: Graph-Based Adaptive Planning for Coordinated Dual-Arm Robotic Disassembly of Electronic Devices (eGRAP)
- arxiv url: http://arxiv.org/abs/2601.14998v1
- Date: Wed, 21 Jan 2026 13:57:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.883266
- Title: Graph-Based Adaptive Planning for Coordinated Dual-Arm Robotic Disassembly of Electronic Devices (eGRAP)
- Title（参考訳）: 電子装置の協調型デュアルアームロボット分解のためのグラフベース適応計画法(eGRAP)
- Authors: Adip Ranjan Das, Maria Koskinopoulou,
- Abstract要約: リサイクル率が低いまま、e-wasteは急速に成長している。
本稿では、視覚、動的計画、デュアルアーム実行を統合した電子デバイスグラフベースの適応計画(eGRAP)を提案する。
スケジューラは、このグラフのトポロジ的順序付けを使用して、有効な次のステップを選択し、それらを2つのロボットアームに割り当てる。
- 参考スコア（独自算出の注目度）: 0.7734726150561088
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: E-waste is growing rapidly while recycling rates remain low. We propose an electronic-device Graph-based Adaptive Planning (eGRAP) that integrates vision, dynamic planning, and dual-arm execution for autonomous disassembly. A camera-equipped arm identifies parts and estimates their poses, and a directed graph encodes which parts must be removed first. A scheduler uses topological ordering of this graph to select valid next steps and assign them to two robot arms, allowing independent tasks to run in parallel. One arm carries a screwdriver (with an eye-in-hand depth camera) and the other holds or handles components. We demonstrate eGRAP on 3.5in hard drives: as parts are unscrewed and removed, the system updates its graph and plan online. Experiments show consistent full disassembly of each HDD, with high success rates and efficient cycle times, illustrating the method's ability to adaptively coordinate dual-arm tasks in real time.
- Abstract（参考訳）: リサイクル率は低いが、E-wasteは急速に成長している。
本稿では,視覚,動的計画,自動分解のためのデュアルアーム実行を統合した電子デバイスグラフベースの適応計画(eGRAP)を提案する。
カメラを装備したアームは、部品を特定してポーズを推定し、指向グラフは、どの部品を最初に取り除かなければならないかを符号化する。
スケジューラは、このグラフのトポロジ的順序付けを使用して、有効な次のステップを選択し、それらを2つのロボットアームに割り当てる。
片腕はドライバー(眼深度カメラ付き)を持ち、もう片腕は部品を保持または操作する。
3.5inハードドライブ上でeGRAPを実証する。部品が取り外され、取り外されると、システムはそのグラフを更新し、オンラインで計画する。
実験では、それぞれのHDDを一貫した分解を行い、高い成功率と効率的なサイクルタイムを示し、リアルタイムでデュアルアームタスクを適応的にコーディネートする能力を示す。
関連論文リスト
- Robotic Grasping and Placement Controlled by EEG-Based Hybrid Visual and Motor Imagery [64.82869118243723]
本稿では,脳波に基づく視覚・運動画像(VI/MI)とロボット制御を統合し,リアルタイム・意図駆動型把握・配置を実現するフレームワークを提案する。
このシステムは、BCI駆動のロボット工学の約束に感銘を受けて、オフラインで事前訓練されたデコーダをゼロショットで展開することによって、ニューラルネットワークを物理的制御でブリッジする。
論文 参考訳（メタデータ） (2026-03-03T17:41:42Z) - Information-Theoretic Detection of Bimanual Interactions for Dual-Arm Robot Plan Generation [14.053079591358797]
本稿では,デュアルアームロボットシステムの実行計画を生成するために,バイマニュアル・タスク・デモの1枚のRGBビデオをワンショットで処理する手法を提案する。
シーン要素間の情報フローを分析し,シーングラフ特性を活用するためにシャノンの情報理論を適用した。
生成された計画は、望まれるアームの調整に基づいて異なる構造を仮定するモジュラー・ビヘイビア・ツリーである。
論文 参考訳（メタデータ） (2026-01-27T17:38:58Z) - RoboTAG: End-to-end Robot Configuration Estimation via Topological Alignment Graph [62.270763554624615]
単眼のRGB画像からロボットのポーズを推定することは、ロボット工学とコンピュータビジョンにおける課題である。
既存の手法は通常、2Dビジュアルバックボーン上にネットワークを構築し、トレーニングのためにラベル付きデータに大きく依存する。
ロボットトポロジカルアライメントグラフ(RoboTAG)を提案する。このグラフは3次元分岐を組み込んで3次元前処理を注入し、2次元および3次元表現の共進化を可能にする。
論文 参考訳（メタデータ） (2025-11-11T00:49:15Z) - DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z) - Sequential Manipulation Planning on Scene Graph [90.28117916077073]
我々は,効率的な逐次タスク計画のための3次元シーングラフ表現であるコンタクトグラフ+(cg+)を考案する。
ゴール設定は、自然にコンタクトグラフに指定され、最適化法を用いて遺伝的アルゴリズムによって作成することができる。
次に、初期接触グラフと目標設定との間のグラフ編集距離(GED)を計算してタスクプランを簡潔化し、ロボット動作に対応するグラフ編集操作を生成する。
論文 参考訳（メタデータ） (2022-07-10T02:01:33Z)
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。