論文の概要: ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications
- arxiv url: http://arxiv.org/abs/2607.03616v1
- Date: Fri, 03 Jul 2026 22:14:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 16:17:46.307075
- Title: ROBOCYCLE: Autonomous Dual-Arm Robotic Manipulation and Coordination for Recycling Applications
- Title（参考訳）: ROBOCYCLE:リサイクルのための自律型デュアルアームロボットマニピュレーションとコーディネーション
- Abstract要約: ROBOCYCLEは、東京都のリサイクル基準を満たすために設計された、自律型デュアルアームロボットリサイクルプラットフォームである。
提案手法は,マルチビューRGB-D認識,RF-DETRを用いたトランスフォーマーベースのインスタンスセグメンテーション,およびAnygrasp SDKによる6-DoFグリップ計画を統合する。
このシステムは90.3%の把握成功率と84.3%のタスク成功率を達成し、PETボトルキャップを外すなどの複雑な調整タスクを効果的に実行した。
- 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: As urban waste volumes escalate and labor shortages intensify, automated waste sorting systems are becoming a necessity. However, current robotic solutions often struggle with the 3D perception and manipulation of transparent, deformable, or cluttered objects. This work introduces ROBOCYCLE, an autonomous dual-arm robotic recycling platform designed to meet the recycling standards of the Tokyo metropolitan area. Our approach integrates multi-view RGB-D perception, transformer-based instance segmentation using RF-DETR, and 6-DoF grasp planning via the Anygrasp SDK. By processing segmentated point clouds, the system generates robust candidate poses for irregular and deformable waste. The system achieved a 90.3% grasp success rate and 84.3% overall task success rate, effectively performing complex coordinated tasks such as unscrewing PET bottle caps. The proposed platform offers a scalable solution for autonomous waste management in real-world human environments.
- Abstract（参考訳）: 都市ごみ量が増加し、労働力不足が増大するにつれ、自動廃棄物処理システムの必要性が高まっている。
しかし、現在のロボットソリューションは、透明で変形可能な、あるいは散らかった物体の3D認識と操作にしばしば苦労する。
本研究は,首都圏のリサイクル基準を満たすために設計された,自律型デュアルアームロボットリサイクルプラットフォームであるROBOCYCLEを紹介する。
提案手法は,マルチビューRGB-D認識,RF-DETRを用いたトランスフォーマーベースのインスタンスセグメンテーション,およびAnygrasp SDKによる6-DoFグリップ計画を統合する。
セグメント化された点雲を処理することにより、システムは不規則で変形可能な廃棄物に対する堅牢な候補ポーズを生成する。
このシステムは90.3%の把握成功率と84.3%のタスク成功率を達成し、PETボトルキャップを外すなどの複雑な調整タスクを効果的に実行した。
提案するプラットフォームは、現実世界の人的環境において、自律的な廃棄物管理のためのスケーラブルなソリューションを提供する。
関連論文リスト
- Distributed Dexterous Manipulation with Spatially Conditioned Multi-Agent Transformers [0.7310043452300737]
本稿では,空間条件付きマルチエージェント変換器(MAT)に基づく分散デクサラスマニピュレーションシステムのためのロバスト制御ポリシを効率的に学習するためのフレームワークを提案する。
提案する3つのコアコントリビューションは, (i) 計算効率に適応的な層ノルムを持つMAT, (ii) ロボットの空間構成に接地トランスフォーマーを埋め込む空間コントラスト埋め込み, (iii) ソフトアクタ批評家を用いて微調整したMATに基づく行動クローニング手法である。
論文 参考訳（メタデータ） (2026-09-07T02:01:12Z) - An Intelligent Robotic and Bio-Digestor Framework for Smart Waste Management [3.289878169836672]
本稿では, ロボット廃棄物分離モジュールと最適化バイオダイジェクターを組み合わせた総合廃棄物管理フレームワークの設計と評価を行う。
このロボット廃棄物分離システムは、MyCobot 280 Jetson NanoのロボットアームとYOLOv8のオブジェクト検出とロボットオペレーティングシステム(ROS)ベースの経路を使って、廃棄物をリアルタイムで識別し、選別する。
バイオダイジェクターシステムは、温度、pH、圧力、1分あたりの運動回転など、重要なパラメータを監視する複数のセンサーを備えている。
論文 参考訳（メタデータ） (2026-04-16T11:19:36Z) - Robotic Agentic Platform for Intelligent Electric Vehicle Disassembly [0.3262230127283452]
本稿では,現実的なリサイクルシナリオにおける知覚駆動型操作,柔軟な自動化,AI支援型ロボットプログラミングを研究対象とするロボットエージェント・プラットフォーム(RAPID)を提案する。
このシステムは、ガントリー搭載の産業用マニピュレータ、RGB-D知覚、およびフルスケールのEVバッテリーパックのファスナー除去のための自動ナット走行ツールを統合している。
フレキシブルなインタラクションをサポートするために、ロボット分解タスクのためのエージェントAI仕様を導入し、エージェントは構造化ツールインターフェースとROSサービスを介して、ハイレベルな命令をロボットアクションに変換することができる。
論文 参考訳（メタデータ） (2026-03-19T06:03:51Z) - RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
ロボットのためのロバスト自動データ取得(RADAR)について紹介する。
RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。
シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-12T11:18:52Z) - Robo3R: Enhancing Robotic Manipulation with Accurate Feed-Forward 3D Reconstruction [70.06600045165905]
3D空間認識は、一般的なロボット操作の基本であるが、信頼性が高く高品質な3D形状の取得は依然として困難である。
本稿では,RGB画像やロボットの状態から直接,正確な距離スケールのシーン形状をリアルタイムで予測する操作可能な3次元再構成モデルであるRobo3Rを紹介する。
我々は、ロボット操作のためのこの代替3Dセンシングモジュールの約束を示唆し、パフォーマンスの連続的な向上を観察する。
論文 参考訳（メタデータ） (2026-02-10T18:58:15Z) - Goal-oriented Communication for Fast and Robust Robotic Fault Detection and Recovery [22.4294506019676]
ロボット故障検出・回復のための新しいゴールコミュニケーション(GoC)フレームワークを提案する。
GoCフレームワークは、一般化とビジョン言語フレームワークに依存するフレームワークと比較して、FDR時間を最大82.6%短縮する。
当社のGoCフレームワークでは,一般化に依存するフレームワークと比較して,タスク成功率を最大76%向上しています。
論文 参考訳（メタデータ） (2026-01-26T18:32:33Z) - Is Single-View Mesh Reconstruction Ready for Robotics? [78.14584238127338]
本研究では,ロボット操作のための物理シミュレータを用いたリアルタイム計画と動的予測のためのディジタル双対生成の実現の可能性について,単一ビューメッシュ再構成モデルの評価を行った。
我々の研究は、コンピュータビジョンの進歩とロボティクスの必要性の間に重要なギャップがあることを浮き彫りにし、この交差点における将来の研究を導く。
論文 参考訳（メタデータ） (2025-05-23T14:35:56Z) - REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。
ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
論文 参考訳（メタデータ） (2025-03-28T03:51:40Z) - Multi-robot autonomous 3D reconstruction using Gaussian splatting with Semantic guidance [18.631273098468384]
暗黙の神経表現と3次元ガウススプラッティング(3DGS)はシーン再構成に大きな可能性を示している。
近年,タスク割り当て手法による自律的再構築への応用が拡大している。
本稿では,最初の3DGSに基づく集中型マルチロボット自律型3D再構築フレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-03T08:27:17Z) - Scalable Multi-robot Motion Planning for Congested Environments With
Topological Guidance [2.846144602096543]
マルチロボットモーションプランニング(MRMP)は、連続状態空間におけるロボットの衝突のない経路を見つける問題である。
我々は、トポロジカルガイダンスによって提供される改善された効率を活用するために、既存のシングルロボットモーションプランニング手法を拡張した。
提案手法は,多くの狭い経路を持つ複雑な環境における経路を効率的に計画する能力を示し,既存の方法の最大25倍の大きさのロボットチームに拡張する。
論文 参考訳（メタデータ） (2022-10-13T16:26:01Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Kimera-Multi: Robust, Distributed, Dense Metric-Semantic SLAM for
Multi-Robot Systems [92.26462290867963]
Kimera-Multiは、最初のマルチロボットシステムであり、不正なインターループとイントラロボットループの閉鎖を識別し拒否することができる。
我々は、フォトリアリスティックシミュレーション、SLAMベンチマークデータセット、地上ロボットを用いて収集された屋外データセットの挑戦において、Kimera-Multiを実証した。
論文 参考訳（メタデータ） (2021-06-28T03:56:40Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳（メタデータ） (2021-03-31T00:05:54Z)
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。