論文の概要: Biologically Inspired Event-Based Perception and Sample-Efficient Learning for High-Speed Table Tennis Robots

• arxiv url: http://arxiv.org/abs/2604.04618v1
• Date: Mon, 06 Apr 2026 12:10:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.185441
• Title: Biologically Inspired Event-Based Perception and Sample-Efficient Learning for High-Speed Table Tennis Robots
• Title（参考訳）: 高速卓上テニスロボットの生物学的インスピレーションによるイベントベース知覚とサンプル効率学習
• Authors: Ziqi Wang, Jingyue Zhao, Xun Xiao, Jichao Yang, Yaohua Wang, Shi Xu, Lei Wang, Huadong Dai,
• Abstract要約: 本稿では,イベントベースの知覚とサンプル効率の学習を組み合わせた,高速卓球ロボットのための生物学的なアプローチを提案する。 認識側では、フレーム再構成なしで非同期イベントストリーム上で直接動作する動きキューと幾何整合性を利用するイベントベース球検出法を提案する。 意思決定面では、まず低速シナリオにおける政策を訓練し、基本から先進的なスキルを段階的に獲得し、ケース依存の時間適応報酬と報酬保持機構によって誘導された高速シナリオに適応する、人為的な、サンプル効率のトレーニング戦略を導入する。
• 参考スコア（独自算出の注目度）: 10.521203582695533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Perception and decision-making in high-speed dynamic scenarios remain challenging for current robots. In contrast, humans and animals can rapidly perceive and make decisions in such environments. Taking table tennis as a typical example, conventional frame-based vision sensors suffer from motion blur, high latency and data redundancy, which can hardly meet real-time, accurate perception requirements. Inspired by the human visual system, event-based perception methods address these limitations through asynchronous sensing, high temporal resolution, and inherently sparse data representations. However, current event-based methods are still restricted to simplified, unrealistic ball-only scenarios. Meanwhile, existing decision-making approaches typically require thousands of interactions with the environment to converge, resulting in significant computational costs. In this work, we present a biologically inspired approach for high-speed table tennis robots, combining event-based perception with sample-efficient learning. On the perception side, we propose an event-based ball detection method that leverages motion cues and geometric consistency, operating directly on asynchronous event streams without frame reconstruction, to achieve robust and efficient detection in real-world rallies. On the decision-making side, we introduce a human-inspired, sample-efficient training strategy that first trains policies in low-speed scenarios, progressively acquiring skills from basic to advanced, and then adapts them to high-speed scenarios, guided by a case-dependent temporally adaptive reward and a reward-threshold mechanism. With the same training episodes, our method improves return-to-target accuracy by 35.8%. These results demonstrate the effectiveness of biologically inspired perception and decision-making for high-speed robotic systems.
• Abstract（参考訳）: 高速な動的シナリオにおける認識と意思決定は、現在のロボットにとって依然として困難である。 対照的に、人間と動物は、そのような環境で素早く知覚し、決定を下すことができる。 卓球を典型例とすると、従来のフレームベースの視覚センサは、動きのぼやけ、高いレイテンシ、データの冗長性に悩まされ、リアルタイムで正確な知覚要求を満たすことはほとんどない。 人間の視覚システムにインスパイアされたイベントベースの知覚手法は、これらの制限に非同期センシング、高時間分解能、および本質的にスパースなデータ表現を通して対処する。 しかし、現在のイベントベースのメソッドは、シンプルで非現実的なボールのみのシナリオに制限されている。 一方、既存の意思決定アプローチでは、一般的に環境との何千もの相互作用が必要であり、計算コストが大幅に増大する。 本研究では,イベントベースの知覚とサンプル効率の学習を組み合わせた,高速卓球ロボットに対する生物学的に着想を得たアプローチを提案する。 認識側では,動作キューと幾何的整合性を利用して,フレーム再構成なしで直接非同期イベントストリーム上で動作し,実世界のラリーにおいて堅牢かつ効率的な検出を実現するイベントベース球検出手法を提案する。 意思決定面では、まず低速シナリオにおける政策を訓練し、基本から先進的なスキルを段階的に獲得し、ケース依存の時間適応報酬と報酬-保持機構によって誘導された高速シナリオに適応する、人為的な、サンプル効率のトレーニング戦略を導入する。 同じトレーニングエピソードで,本手法は目標への回帰精度を35.8%向上させる。 これらの結果は、高速ロボットシステムにおける生物学的にインスパイアされた知覚と意思決定の有効性を示すものである。

関連論文リスト

• SMASH: Mastering Scalable Whole-Body Skills for Humanoid Ping-Pong with Egocentric Vision [53.709632118234936]
  Methodnameはアジャイルなヒューマノイドテーブルテニスのためのモジュールシステムである。 これは、スケーラブルな全身スキル学習と、オンボードの自我中心の認識を統一する。 そこで本研究では,オンボードセンシングだけで連続的なストライクを行うことができる最初のヒューマノイドテーブルテニスシステムについて紹介する。
  論文  参考訳（メタデータ） (2026-04-01T17:11:52Z)
• Approximate Imitation Learning for Event-based Quadrotor Flight in Cluttered Environments [32.44706179458786]
  イベントカメラは、高時間分解能と低レイテンシを提供し、高速ロボットアプリケーションに理想的なセンサーを提供する。 本研究では,単一イベントカメラを用いて環境を知覚することで,四角形機が乱れた環境を高速に飛行できるようにする手法を提案する。 提案手法では、イベントデータを制御コマンドに直接マップするように訓練されたエンドツーエンドのニューラルネットワークを用いて、標準カメラへの依存をなくす。
  論文  参考訳（メタデータ） (2026-03-08T10:32:21Z)
• Event-based vision for egomotion estimation using precise event timing [0.6262316762195913]
  エゴモーション推定は、自律ナビゲーションやロボット工学といった応用に不可欠である。 慣性センサーに依存する従来の方法は、外部条件に敏感である。 視覚ベースの手法は、シーンで変化が認識されたときにのみデータをキャプチャすることで、効率的な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-01-20T15:41:33Z)
• Learning Diverse Robot Striking Motions with Diffusion Models and Kinematically Constrained Gradient Guidance [0.3613661942047476]
  私たちは、オフラインで制約付きで、多様なアジャイルの振る舞いを表現する、新しい拡散モデリングアプローチを開発しています。 エアホッケーとリアル卓球の2つの課題領域において, KCGG を評価することで, 時間クリティカルなロボット作業に対するアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-09-23T20:26:51Z)
• Robotic Table Tennis: A Case Study into a High Speed Learning System [30.30242337602385]
  本研究では,人間と数百の卓球アライグが可能な実世界のロボット学習システムを提案する。 本システムは,高度に最適化された知覚サブシステム,高速低遅延ロボットコントローラ,現実世界の損傷を防ぐシミュレーションパラダイムを組み込んだ。
  論文  参考訳（メタデータ） (2023-09-06T18:56:20Z)
• Generalizing Event-Based Motion Deblurring in Real-World Scenarios [62.995994797897424]
  イベントベースの動作遅延は、低レイテンシイベントを活用することで、有望な結果を示している。 本研究では,フレキシブルな入力空間スケールを実現するとともに,時間スケールの異なる動きのぼかしから学習できるスケール対応ネットワークを提案する。 次に,実世界のデータ分布に適合する2段階の自己教師型学習手法を開発した。
  論文  参考訳（メタデータ） (2023-08-11T04:27:29Z)
• EV-Catcher: High-Speed Object Catching Using Low-latency Event-based Neural Networks [107.62975594230687]
  イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。 イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。 計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
  論文  参考訳（メタデータ） (2023-04-14T15:23:28Z)
• Learning High-Speed Flight in the Wild [101.33104268902208]
  複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。 鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。 現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
  論文  参考訳（メタデータ） (2021-10-11T09:43:11Z)
• Social NCE: Contrastive Learning of Socially-aware Motion Representations [87.82126838588279]
  実験結果から, 提案手法は最近の軌道予測, 行動クローニング, 強化学習アルゴリズムの衝突速度を劇的に低減することがわかった。 本手法は,ニューラルネットワークの設計に関する仮定をほとんど示さないため,神経運動モデルのロバスト性を促進する汎用的手法として使用できる。
  論文  参考訳（メタデータ） (2020-12-21T22:25:06Z)
• Event-based Asynchronous Sparse Convolutional Networks [54.094244806123235]
  イベントカメラはバイオインスパイアされたセンサーで、非同期でスパースな「イベント」の形で画素ごとの明るさ変化に反応する。 同期画像のようなイベント表現で訓練されたモデルを、同じ出力を持つ非同期モデルに変換するための一般的なフレームワークを提案する。 理論的および実験的に、これは高容量同期ニューラルネットワークの計算複雑性と遅延を大幅に減少させることを示す。
  論文  参考訳（メタデータ） (2020-03-20T08:39:49Z)

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。