論文の概要: An Open Source Computer Vision and Machine Learning Framework for Affordable Life Science Robotic Automation

• arxiv url: http://arxiv.org/abs/2603.20465v1
• Date: Fri, 20 Mar 2026 19:51:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.928405
• Title: An Open Source Computer Vision and Machine Learning Framework for Affordable Life Science Robotic Automation
• Title（参考訳）: 生活科学ロボット自動化のためのオープンソースのコンピュータビジョンと機械学習フレームワーク
• Authors: Zachary Logan, Andrew Dudash, Daniel Negrón,
• Abstract要約: 本稿では,コンピュータビジョンと機械学習をベースとした逆運動学を統合し,低コストな実験室自動化タスクを実現するための,オープンソースのロボットフレームワークを提案する。 このシステムは、微生物培養のセマンティックセグメンテーションにカスタムトレーニングされたU-netモデルを使用し、単純な5-DOFロボットアームの関節角を予測するためのMixture Density Networkと組み合わせている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present an open-source robotic framework that integrates computer vision and machine learning based inverse kinematics to enable low-cost laboratory automation tasks such as colony picking and liquid handling. The system uses a custom trained U-net model for semantic segmentation of microbial cultures, combined with Mixture Density Network for predicating joint angles of a simple 5-DOF robot arm. We evaluated the framework using a modified robot arm, upgraded with a custom liquid handling end-effector. Experimental results demonstrate the framework's feasibility for precise, repeatable operations, with mean positional error below 1 mm and joint angle prediction errors below 4 degrees and colony detection capabilities with IoU score of 0.537 and Dice coefficient of 0.596.
• Abstract（参考訳）: 本稿では,コンピュータビジョンと機械学習に基づく逆運動学を統合したオープンソースのロボットフレームワークを提案する。 このシステムは、微生物培養のセマンティックセグメンテーションにカスタムトレーニングされたU-netモデルを使用し、単純な5-DOFロボットアームの関節角を予測するためのMixture Density Networkと組み合わせている。 修正型ロボットアームを用いて, 独自の液体処理エンドエフェクタを装着して, フレームワークの評価を行った。 実験により, 平均位置誤差が1mm以下, 関節角度予測誤差が4°以下, IoUスコア0.537, Dice係数0.596でコロニー検出が可能であった。

関連論文リスト

• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプ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） (2026-03-11T10:14:37Z)
• Shape Control of a Planar Hyper-Redundant Robot via Hybrid Kinematics-Informed and Learning-based Approach [42.55947704321053]
  ハイパー冗長ロボットは、厳密で非構造的な環境での操作をうまく行うことができる。 到達可能な作業空間を拡張するために,多段式フレキシブルラック作動型平面ロボットを開発した。 本研究では,SpatioCoupledNet というハイブリッドキネマティクス・インフォームド・学習型形状制御手法を提案する。
  論文  参考訳（メタデータ） (2026-03-11T04:35:06Z)
• 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)
• Neural Collision Detection for Multi-arm Laparoscopy Surgical Robots Through Learning-from-Simulation [0.0]
  本研究では,腹腔鏡下手術におけるロボットアームの安全性と操作効率を高めるための統合的枠組みを提案する。 関節構成に基づいてロボットアーム間の最小距離を推定する解析モデルを開発した。 深部ニューラルネットワークモデルは、ロボットアームの関節アクチュエータと相対位置を入力としてトレーニングされ、平均絶対誤差は282.2mm、R二乗値は0.85である。
  論文  参考訳（メタデータ） (2026-01-21T20:54:35Z)
• InternVLA-A1: Unifying Understanding, Generation and Action for Robotic Manipulation [77.07565723756119]
  InternVLA-A1は動的予測機能を備えた視覚言語モデルである。 我々は、実世界のロボットデータ、合成シミュレーションデータ、人間のビデオなどを用いて、これらのモデルを異種データソース上で事前訓練する。 InternVLA-A1を実世界の12のロボットタスクとシミュレーションベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-01-05T18:54:29Z)
• Interactive OT Gym: A Reinforcement Learning-Based Interactive Optical tweezer (OT)-Driven Microrobotics Simulation Platform [2.8878780831391366]
  Interactive OT Gymは、OT駆動のマイクロロボティクス用に設計された強化学習(RL)ベースのシミュレーションプラットフォームである。 我々のプラットフォームは、複雑な物理場シミュレーションをサポートし、触覚フィードバックインタフェース、RLモジュール、コンテキスト対応の共有制御戦略を統合する。 高い忠実度、対話性、低コスト、高速なシミュレーション機能により、Interactive OT Gymはユーザフレンドリーなトレーニングおよびテスト環境として機能する。
  論文  参考訳（メタデータ） (2025-05-27T05:50:11Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
  本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。 ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。 その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
  論文  参考訳（メタデータ） (2021-03-06T09:10:03Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)

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。