論文の概要: How Should a Robot Configure Its Laser Scanner for Inspection?
- arxiv url: http://arxiv.org/abs/2606.21093v1
- Date: Fri, 19 Jun 2026 04:45:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 08:26:23.740468
- Title: How Should a Robot Configure Its Laser Scanner for Inspection?
- Title（参考訳）: ロボットはレーザースキャナーを検査のためにどう構成すべきか?
- Authors: Zhiling Chen, David Gorsich, Matthew P. Castanier, Yang Zhang, Jiong Tang, Farhad Imani,
- Abstract要約: SenseHDは、スキャナの構成を命令条件の知覚決定として定式化するロボットセンシングシステムである。
本研究では,SenseHDが適切なセンシング構成を確実に選択し,検査信頼性を大幅に向上することを示す。
- 参考スコア（独自算出の注目度）: 5.085534641738962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic inspection relies on accurate sensing to acquire high-fidelity geometric measurements for defect detection and metrology. While prior work has focused on robot motion and viewpoint planning, how to configure sensing parameters remains largely underexplored, despite their decisive impact on measurement quality. We propose SenseHD, a robotic sensing system that formulates scanner configuration as an instruction-conditioned sensing decision. Instead of predicting precise parameter values, SenseHD treats sensing parameters as discrete sensing actions and selects stable sensing regimes through hyperdimensional associative memory. Experiments on a real robotic inspection platform demonstrate that SenseHD robustly selects appropriate sensing configurations and significantly improves inspection reliability, while remaining lightweight and efficient compared to baseline methods.
- Abstract（参考訳）: ロボット検査は、欠陥検出と気象学のための高精度な幾何学的計測を得るために正確なセンシングに依存している。
従来の研究はロボットの動きと視点計画に重点を置いていたが、計測品質に決定的な影響があるにもかかわらず、検知パラメータの設定方法はほとんど探索されていない。
本研究では,スキャナ構成を指示条件付きセンシング決定として定式化するロボットセンシングシステムであるSenseHDを提案する。
SenseHDは、正確なパラメータ値を予測する代わりに、センシングパラメータを離散的なセンシングアクションとして扱い、超次元連想メモリを通じて安定したセンシングレジームを選択する。
実際のロボット検査プラットフォームでの実験では、SenseHDは適切なセンシング設定を堅牢に選択し、検査信頼性を著しく向上する一方で、ベースライン法に比べて軽量で効率的なままであることを示した。
関連論文リスト
- Task-Aware Scanning Parameter Configuration for Robotic Inspection Using Vision Language Embeddings and Hyperdimensional Computing [5.085534641738962]
産業プロファイラは、サンプリング周波数、測定範囲、露光時間、レシーバダイナミックレンジ、照明など、複数の結合パラメータを公開する。
ミスマッチは、下流では回復できない飽和、クリップング、または欠落したリターンを引き起こす可能性がある。
ロボット搭載プロファイラのキーパラメータに対して,事前スキャンされたRGB観察と自然言語検査の指導により,個別の構成を推定する。
論文 参考訳（メタデータ） (2026-05-05T16:02:50Z) - A Physics Informed Machine Learning Framework for Optimal Sensor Placement and Parameter Estimation [0.0]
本研究では,センサ配置とパラメータ推定を同時に行う,包括的なPINNベースのフレームワークを提案する。
その結果,本手法は直感的あるいはランダムに選択されたセンサ位置から推定したパラメータ値と比較して,常に高精度であることがわかった。
論文 参考訳（メタデータ） (2025-11-19T15:37:17Z) - A model-free approach to fingertip slip and disturbance detection for
grasp stability inference [0.0]
触覚センサを用いた握り安定性の評価手法を提案する。
我々は、アレグロハンドに搭載された高感度のウスキン触覚センサーを用いて、我々の手法を検証、検証した。
論文 参考訳（メタデータ） (2023-11-22T09:04:26Z) - Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。
最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。
本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
論文 参考訳（メタデータ） (2023-07-13T08:35:40Z) - Tactile-Filter: Interactive Tactile Perception for Part Mating [54.46221808805662]
人間は触覚と触覚に頼っている。
視覚ベースの触覚センサーは、様々なロボット認識や制御タスクに広く利用されている。
本稿では,視覚に基づく触覚センサを用いた対話的知覚手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T16:27:37Z) - Continuous Target-free Extrinsic Calibration of a Multi-Sensor System
from a Sequence of Static Viewpoints [0.0]
モバイルロボットアプリケーションは、プラットフォーム上の個々のセンサーの幾何学的位置に関する正確な情報を必要とする。
誤校正パラメータは、典型的なロボット推定タスクに悪影響を及ぼす。
本稿では,ロボットの動作中にキャリブレーションパラメータを連続的に推定する手法を提案する。
論文 参考訳（メタデータ） (2022-07-08T09:36:17Z) - 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) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。