論文の概要: Modeling Branches for Active Manipulation using Iterative Parameter Estimation
- arxiv url: http://arxiv.org/abs/2606.19314v1
- Date: Wed, 17 Jun 2026 17:37:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 17:16:51.291895
- Title: Modeling Branches for Active Manipulation using Iterative Parameter Estimation
- Title（参考訳）: 反復パラメータ推定を用いたアクティブマニピュレーションのためのモデル分岐
- Authors: Madhav Rijal, Rashik Shrestha, Trevor Smith, Yu Gu,
- Abstract要約: 枝の操作は、植物、安定化、高密度葉の視覚障害の除去のための農業ロボティクスにおいて必要である。
提案手法は,点クラウドデータから四面体分岐モデルを構築し,有限要素法を用いてその挙動をシミュレートする。
実観測された実際の変形データを用いて、分岐パラメータを反復的に推定し、変形を意識した運動プランナーで最適な経路を計算し、他のロボットの視野内で分岐を移動・安定化する。
- 参考スコア（独自算出の注目度）: 2.716571203793359
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study presents a method for modeling diverse plant branches by iteratively estimating material parameters to support delicate branch manipulation. Branch manipulation is necessary in agricultural robotics for plant repositioning, stabilizing, and clearing visual obstructions in dense foliage. The proposed method builds a tetrahedral branch model from point-cloud data and simulates its behavior using the finite element method. Using real observed deformation data, it iteratively estimates branch parameters and then computes an optimal path with a deformation-aware motion planner to move and stabilize branches within another robot's field of view. Across 30 trials on branches with varying geometries and material properties, the proposed method reduced the deformation energy by 35.69% while increasing the path length by 8.10% on average.
- Abstract（参考訳）: 本研究は, 微妙な枝操作を支援するために, 材料パラメータを反復的に推定することにより, 多様な枝をモデル化する手法を提案する。
分枝操作は、植物の再配置、安定化、高密度葉の視覚障害の除去に農業ロボットに必要である。
提案手法は,点クラウドデータから四面体分岐モデルを構築し,有限要素法を用いてその挙動をシミュレートする。
実観測された実際の変形データを用いて、分岐パラメータを反復的に推定し、変形を認識する運動プランナーを用いて最適な経路を計算し、他のロボットの視野内で分岐を移動・安定化する。
ジオメトリーと材料特性の異なる枝の30回にわたって, 変形エネルギーを35.69%削減し, 経路長を平均8.10%向上させた。
関連論文リスト
- Robust variable selection for spatial point processes observed with noise [1.8047694351309207]
そこで本稿では,疎度プロモーティング推定とノイズロバストモデル選択を組み合わせた点過程の強度関数における変数選択を提案する。
本研究では,様々なノイズシナリオ下で真の空間的コスを確実に回復し,両方の選択安定性を向上することを示す。
これは雑音下でのポイントプロセスモデルにおけるロバストな変数選択のための体系的なフレームワークを提供する手法の実用性を示している。
論文 参考訳（メタデータ） (2025-10-29T14:18:08Z) - Data-free Weight Compress and Denoise for Large Language Models [96.68582094536032]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳（メタデータ） (2024-02-26T05:51:47Z) - Learning to Simulate Tree-Branch Dynamics for Manipulation [26.808346972775368]
そこで本研究では,木枝の動力学をモデル化するために,シミュレーション駆動逆推論手法を提案する。
本モデルでは, 変形軌跡を予測し, 推定の不確かさを定量化し, ベースラインが他の推論アルゴリズムに逆らう場合, 精度が向上することを示す。
論文 参考訳（メタデータ） (2023-06-06T05:17:02Z) - Numerically Stable Sparse Gaussian Processes via Minimum Separation
using Cover Trees [57.67528738886731]
誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。
地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
論文 参考訳（メタデータ） (2022-10-14T15:20:17Z) - Unsupervised diffeomorphic cardiac image registration using
parameterization of the deformation field [6.343400988017304]
本研究では,移動メッシュパラメータ化に基づくエンドツーエンドの非教師付き微分同相変形型登録フレームワークを提案する。
提案手法の有効性を,2次元および3次元心臓MRIスキャンを含む3つの異なるデータセット上で評価することにより検討した。
論文 参考訳（メタデータ） (2022-08-28T19:34:10Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Learning to predict metal deformations in hot-rolling processes [59.00006390882099]
ホットローリング(Hot-rolling)は、入力から一連の変形を通じて断面を生成する金属成形プロセスである。
現状では、ロールの回転列と形状は、与えられた断面を達成するために必要である。
そこで本研究では,一組のロールが与えられた形状を予測するための教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-07-22T13:33:44Z)
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。