論文の概要: 3D Shape Control of Extensible Multi-Section Soft Continuum Robots via Visual Servoing
- arxiv url: http://arxiv.org/abs/2602.19273v1
- Date: Sun, 22 Feb 2026 17:06:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.63477
- Title: 3D Shape Control of Extensible Multi-Section Soft Continuum Robots via Visual Servoing
- Title（参考訳）: 視覚サーボによる拡張性多段ソフト連続ロボットの3次元形状制御
- Authors: Abhinav Gandhi, Shou-Shan Chiang, Cagdas D. Onal, Berk Calli,
- Abstract要約: 連続体マニピュレータの全身形状を制御できる視覚制御アルゴリズムを提案する。
提案する制御アルゴリズムは,ロボット全体の体構成を制御し,運動学的冗長性を活用する。
我々のモデルに基づく2.5D形状のビジュアルサーボは、ロボットの3Dワークスペースにグローバルに安定した収束を提供する。
- 参考スコア（独自算出の注目度）: 3.9985620702988602
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we propose a novel vision-based control algorithm for regulating the whole body shape of extensible multisection soft continuum manipulators. Contrary to existing vision-based control algorithms in the literature that regulate the robot's end effector pose, our proposed control algorithm regulates the robot's whole body configuration, enabling us to leverage its kinematic redundancy. Additionally, our model-based 2.5D shape visual servoing provides globally stable asymptotic convergence in the robot's 3D workspace compared to the closest works in the literature that report local minima. Unlike existing visual servoing algorithms in the literature, our approach does not require information from proprioceptive sensors, making it suitable for continuum manipulators without such capabilities. Instead, robot state is estimated from images acquired by an external camera that observes the robot's whole body shape and is also utilized to close the shape control loop. Traditionally, visual servoing schemes require an image of the robot at its reference pose to generate the reference features. In this work, we utilize an inverse kinematics solver to generate reference features for the desired robot configuration and do not require images of the robot at the reference. Experiments are performed on a multisection continuum manipulator demonstrating the controller's capability to regulate the robot's whole body shape while precisely positioning the robot's end effector. Results validate our controller's ability to regulate the shape of continuum robots while demonstrating a smooth transient response and a steady-state error within 1 mm. Proof-of-concept object manipulation experiments including stacking, pouring, and pulling tasks are performed to demonstrate our controller's applicability.
- Abstract（参考訳）: 本稿では,拡張性多断面ソフトコンティニュウムマニピュレータの全身形状を制御するための,視覚に基づく新しい制御アルゴリズムを提案する。
ロボットのエンドエフェクタのポーズを制御する文献における既存の視覚ベースの制御アルゴリズムとは対照的に,提案する制御アルゴリズムはロボット全体の体構成を制御し,運動学的冗長性を活用する。
さらに、我々のモデルに基づく2.5D形状のビジュアルサーボは、ロボットの3Dワークスペースにおいて、局所的なミニマを報告している文献の最も近い作品と比較して、グローバルに安定した漸近的な収束を提供する。
文献における既存のビジュアルサーボアルゴリズムとは異なり、我々のアプローチはプロテアーゼセンサーからの情報を必要とせず、そのような機能を持たない連続体マニピュレータに適している。
ロボットの状態は、ロボットの全身形状を観察し、形状制御ループを閉じるための外部カメラが取得した画像から推定される。
伝統的に、視覚サーボ方式は、参照特徴を生成するために、参照ポーズでロボットのイメージを必要とする。
本研究では,ロボット構成の参照特徴を生成するために,逆キネマティクス解法を用い,参照時にロボットのイメージを必要としない。
ロボットの終端エフェクタを正確に位置決めしながら、ロボット全体の形状を調節するコントローラーの能力を示す多区間連続マニピュレータで実験を行う。
その結果, 連続ロボットの形状を制御し, 1mm以内のスムーズな過渡応答と定常誤差を示した。
制御器の適用性を実証するために,積み重ね,注ぐ,引く作業を含む概念オブジェクト操作実験を行う。
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) - Shape-Interpretable Visual Self-Modeling Enables Geometry-Aware Continuum Robot Control [10.253290204273094]
連続ロボットは高い柔軟性と冗長性を持ち、複雑な環境での安全な相互作用に適している。
既存の視覚に基づく制御アプローチは、しばしばエンドツーエンドの学習に依存し、ロボット幾何学を明確に認識せずに形状制御を達成する。
本稿では,幾何認識制御が可能な連続ロボットのための形状解釈可能な視覚自己モデリングフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-02T11:20:28Z) - Fiducial Exoskeletons: Image-Centric Robot State Estimation [21.491677821308688]
画像に基づく3次元ロボット状態推定の再構成であるFiducial Exoskeletonsを紹介する。
まず,1枚のRGB画像から各リンクの6次元ポーズ推定として,ロボットの状態推定を行った。
第2に、学習することなく、リンクごとの6Dポーズ推定を堅牢でシンプルなものにします。
論文 参考訳（メタデータ） (2026-01-12T22:04:25Z) - CtRNet-X: Camera-to-Robot Pose Estimation in Real-world Conditions Using a Single Camera [18.971816395021488]
マーカーレスポーズ推定手法は、カメラとロボットのキャリブレーションに時間を要する物理的な設定を不要にしている。
部分的に見えるロボットマニピュレータでロボットのポーズを推定できる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-16T16:22:43Z) - Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。
本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。
提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文 参考訳（メタデータ） (2024-07-11T17:55:49Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Robot Self-Calibration Using Actuated 3D Sensors [0.0]
本稿では,ロボットのキャリブレーションをオフラインのSLAM問題として扱う。
これにより、任意の眼深度センサのみを用いてロボットのキャリブレーションを行うことができる。
各種の3Dセンサーを装着した実ロボットに対して,システムの詳細評価を行った。
論文 参考訳（メタデータ） (2022-06-07T16:35:08Z) - Counterfactual Explanation and Causal Inference in Service of Robustness
in Robot Control [15.104159722499366]
我々は「事象AがCの代わりにBを引き起こすように変更できるか?」という形式の逆実数条件の生成モデルを訓練するためのアーキテクチャを提案する。
従来の制御設計手法とは対照的に、ノイズを除去する能力の観点から頑健さを定量化する手法では、ある要件に違反する可能性のある反事実の空間を探索する。
論文 参考訳（メタデータ） (2020-09-18T14:22:47Z) - Populations of Spiking Neurons for Reservoir Computing: Closed Loop
Control of a Compliant Quadruped [64.64924554743982]
本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。
本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
論文 参考訳（メタデータ） (2020-04-09T14:32:49Z) - Morphology-Agnostic Visual Robotic Control [76.44045983428701]
MAVRICは、ロボットの形態に関する最小限の知識で機能するアプローチである。
本稿では,視覚誘導型3Dポイントリーチ,軌道追従,ロボットとロボットの模倣について紹介する。
論文 参考訳（メタデータ） (2019-12-31T15:45:10Z)
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。