論文の概要: Distortion-Resilient Robotic Imitation Learning for Autonomous Cable Routing
- arxiv url: http://arxiv.org/abs/2606.11577v1
- Date: Wed, 10 Jun 2026 02:07:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 14:50:12.810065
- Title: Distortion-Resilient Robotic Imitation Learning for Autonomous Cable Routing
- Title（参考訳）: 自律的ケーブルルーティングのための歪み耐性ロボット模倣学習
- Authors: Hao Wang, Fu-Zhao Ou, Shiqi Wang, Zhaolin Wan, Xiaopeng Fan,
- Abstract要約: ケーブルルーティングは、産業においてユビキタスな基礎的なタスクであり、ロボットの繊細さとシーケンシャルな意思決定のための厳密なベンチマークを提供する。
低画質の画像観察は、しばしば正確なモデルトレーニングを妨げ、インテリジェントな制御システムの信頼性と正確性に挑戦する。
本稿では,画像品質評価モジュール,信頼度に基づく学習機構,意思決定モジュールを備えたロボット模倣学習フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 42.34627152980859
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid development of intelligent control methodologies has endowed robots with powerful autonomous intelligence. Cable routing, a ubiquitous foundational task in industry, provides a rigorous benchmark for robotic dexterity and sequential decision-making. In these practical scenarios, image observation distortion frequently occurs. Samples characterized by low-quality image observations often hinder accurate model training, posing challenges to the reliability and accuracy of intelligent control systems. Nevertheless, no dedicated intelligent control solution has been proposed for scenarios of image signal distortion. Meanwhile, image quality information has not been sufficiently exploited to further enhance the performance of intelligent control methodologies. To this end, we propose a novel robotic imitation learning framework that comprises an image quality assessment module, a confidence-based learning mechanism, and a decision-making module, which is designed to maintain high performance even under distorted image observations. In the proposed framework, the image quality assessment module synergizes with the confidence-based learning mechanism to enhance the efficacy of the decision-making module. Specifically, the image quality assessment module is incorporated to extract image quality information from image observations, while the confidence-based learning mechanism adaptively prioritizes challenging samples to improve learning effectiveness. The decision-making module determines appropriate discrete skills or continuous actions. Experimental results demonstrate that our formulated framework enhances the overall performance of the decision-making module.
- Abstract（参考訳）: 知的制御方法論の急速な発展は、強力な自律知能を持つロボットを支えてきた。
ケーブルルーティングは、産業においてユビキタスな基礎的なタスクであり、ロボットの繊細さとシーケンシャルな意思決定のための厳密なベンチマークを提供する。
これらの現実的なシナリオでは、画像の観察歪みが頻繁に発生する。
低画質の画像観察で特徴づけられるサンプルは、しばしば正確なモデルトレーニングを妨げ、インテリジェントな制御システムの信頼性と正確性に挑戦する。
それでも、画像信号歪みのシナリオに対して、専用のインテリジェント制御ソリューションは提案されていない。
一方,画像品質情報は,知的制御手法の性能向上のために十分に活用されていない。
そこで本研究では,画像品質評価モジュール,信頼度に基づく学習機構,意思決定モジュールを備えたロボット模倣学習フレームワークを提案する。
提案フレームワークでは,画像品質評価モジュールが信頼性に基づく学習機構と相乗し,意思決定モジュールの有効性を高める。
具体的には、画像観察から画像品質情報を抽出するために画像品質評価モジュールが組み込まれ、信頼性に基づく学習機構は、課題のあるサンプルを適応的に優先順位付けして学習効率を向上させる。
意思決定モジュールは、適切な個別のスキルまたは継続的なアクションを決定する。
実験結果から,我々の定式化フレームワークは意思決定モジュールの全体的な性能を向上させることが示された。
関連論文リスト
- Q-Hawkeye: Reliable Visual Policy Optimization for Image Quality Assessment [25.916354359994624]
本稿では,RLに基づく信頼性の高い視覚ポリシー最適化フレームワークであるQ-Hawkeyeを提案する。
Q-Hawkeyeは、複数のロールアウトにまたがる予測スコアのばらつきを用いて予測の不確実性を推定する。
本稿では,実際の視覚的証拠に品質判断を根拠として,モデルに制約を与えるインプシット知覚損失を導入する。
論文 参考訳（メタデータ） (2026-01-30T12:42:32Z) - Perception-oriented Bidirectional Attention Network for Image Super-resolution Quality Assessment [61.27648290203618]
画像SR FR-IQAのための知覚指向双方向注意ネットワーク(PBAN)を提案する。
PBANは、イメージエンコーダモジュール、知覚指向双方向アテンション(PBA)モジュール、品質予測モジュールの3つのモジュールで構成されている。
提案するPBANは,最先端の品質評価方法より優れている。
論文 参考訳（メタデータ） (2025-09-08T08:39:45Z) - A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。
工業画像から抽出した55個の特徴を統計的手法を用いて解析した。
これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
論文 参考訳（メタデータ） (2024-12-11T22:12:21Z) - DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [73.6767681305851]
野生のブラインド画像品質評価(IQA)は重大な課題を呈している。
大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。
事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
論文 参考訳（メタデータ） (2024-05-30T12:32:35Z) - OCR is All you need: Importing Multi-Modality into Image-based Defect Detection System [7.1083241462091165]
我々は,光学的文字認識(OCR)を基本とする外部モダリティ誘導データマイニングフレームワークを導入し,画像から統計的特徴を抽出する。
提案手法の重要な側面は、単一のモーダル認識モデルを用いて抽出された外部モーダル特徴のアライメントであり、畳み込みニューラルネットワークによって符号化された画像特徴である。
本手法は欠陥検出モデルのリコール率を大幅に向上させ,挑戦シナリオにおいても高い堅牢性を維持する。
論文 参考訳（メタデータ） (2024-03-18T07:41:39Z) - An Intelligent Remote Sensing Image Quality Inspection System [6.669660893910102]
複数の先進的コンピュータビジョンモデルからなる新しい深層学習型2段階インテリジェントシステムを提案する。
その結果,提案手法は従来の手法よりも優れた性能と効率性を示した。
論文 参考訳（メタデータ） (2023-07-22T02:50:07Z) - Training-Free Location-Aware Text-to-Image Synthesis [8.503001932363704]
安定拡散モデルの生成機構を解析し,新しい対話型生成パラダイムを提案する。
本手法は,制御能力と画質の両面において最先端の手法より優れる。
論文 参考訳（メタデータ） (2023-04-26T10:25:15Z) - Rich Feature Distillation with Feature Affinity Module for Efficient
Image Dehazing [1.1470070927586016]
この作業は、単一イメージのヘイズ除去のためのシンプルで軽量で効率的なフレームワークを導入します。
我々は、ヘテロジニアス知識蒸留の概念を用いて、軽量な事前学習された超解像モデルから豊富な「暗黒知識」情報を利用する。
本実験は, RESIDE-Standardデータセットを用いて, 合成および実世界のドメインに対する我々のフレームワークの堅牢性を示す。
論文 参考訳（メタデータ） (2022-07-13T18:32:44Z) - Robust Single Image Dehazing Based on Consistent and Contrast-Assisted
Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。
具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。
我々の手法は最先端のアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2022-03-29T08:11:04Z)
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。