論文の概要: Force-Based Offset Estimation for Keyed Peg-in-Hole Assembly Using Local Gaussian Process Regression

• arxiv url: http://arxiv.org/abs/2608.17691v1
• Date: Tue, 18 Aug 2026 12:06:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.330925
• Title: Force-Based Offset Estimation for Keyed Peg-in-Hole Assembly Using Local Gaussian Process Regression
• Title（参考訳）: 局所ガウス過程回帰を用いた鍵ペグインホールアセンブリのフォースベースオフセット推定
• Abstract要約: キーキーウェイ組立タスクは厳密な幾何学的制約を課し、不確実な環境でのポーズの偏差の把握に非常に敏感である。 本研究は,知覚評価パイプライン内に埋め込まれたキー付きペグ・イン・ホール・アセンブリの力量に基づくオフセット推定手法を提案する。
• 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: Key-keyway assembly tasks impose strict geometric constraints and are highly sensitive to grasp pose deviations in uncertain environments. This work presents a force-based offset estimation method for keyed peg-in-hole assembly, embedded within a perception-validation-insertion pipeline. Residual misalignment is estimated directly from wrist force/torque measurements using a local KNN-Gaussian Process hybrid regressor. The framework distinguishes between two contact regimes, hard collision and guided chamfer insertion, and routes inference to a dedicated model for each. Regime classification is achieved via a contact-window duration threshold. KNN combined with a deterministic search using the results of a post-grasp monocular visual validation contributes to an increased accuracy of the regressor model. This approach achieves accurate radial offset estimation in chamfered peg insertion, during a keypoint detection-based pick and place application. Experiments using the integrated force/torque sensor of a collaborative robot arm showed an increase in insertion success rate from 67% to 87% after the pipeline was applied.
• Abstract（参考訳）: キーキーウェイ組立タスクは厳密な幾何学的制約を課し、不確実な環境でのポーズ偏差の把握に非常に敏感である。 本研究は, 知覚バリデーション・インサーション・パイプライン内に埋め込まれた鍵付きペグ・イン・ホール・アセンブリの力量に基づくオフセット推定法を提案する。 局所KNN-Gaussian Processハイブリッド回帰器を用いた手首力/トルク測定から直接残差を推定する。 この枠組みは、ハード衝突とガイド付きシャンファー挿入の2つの接触状態と、それぞれ専用のモデルへのルート推論を区別する。 レジーム分類は、接触ウィンドウ持続時間しきい値によって達成される。 KNNとポストグレープ単眼の視覚的検証結果を用いた決定論的探索を組み合わせることで、回帰器モデルの精度が向上する。 本手法は, キーポイント検出に基づくピック・アンド・プレイス・アプリケーションにおいて, チャムファートペグ挿入時の正確な放射オフセット推定を実現する。 ロボットアームの一体型力/トルクセンサを用いた実験では,パイプライン適用後の挿入成功率は67%から87%に増加した。

関連論文リスト

• Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments [0.20391237204597365]
  本稿では,CSR(Cholesteric Spherical Reflectors)から作製したカモフラージュマッチングフィデューシャルマーカーを,事前サーベイド視覚アンカーとして用いる枠組みを提案する。 アンカーは、軽量なオドメトリー軌道と高密度のRTAB-Map再構成の両方をジオレフレクションし、それらの出力を共通のLUREFフレームで表現する。 本研究は,UGVおよびUAV動作を模擬した地上および高位モーションプロファイルを用いた2回のハンドヘルド取得セッションを用いて評価する。
  論文  参考訳（メタデータ） (2026-08-17T08:52:54Z)
• From Decoupled to Coupled: Robustness Verification for Learning-based Keypoint Detection with Joint Specifications [11.371752627865929]
  キーポイント検出は、ポーズ推定、視点回復、3D再構成など、多くの視覚タスクの基盤となる。 その重要性にもかかわらず、キーポイント検出器の形式的ロバスト性検証は、高次元入力と連続座標出力のためにほとんど探索されていない。 熱マップに基づくキーポイント検出のための最初の結合ロバスト性検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-05T19:01:53Z)
• Evaluating Uncertainty in Deep Gaussian Processes [0.0]
  ディープ・ガウス・プロセス(DGP)とディープ・シグマ・ポイント・プロセス(DSPP)はGPを階層的に拡張し、ベイズ原理に根ざした不確実性のための有望な方法を提供する。 本研究は、回帰(CASPデータセット)および分類(ESRデータセット)タスクに関するこれらのモデルを評価し、予測性能(MAE、Accu-Racy)の評価、負対数類似度(NLL)とエラー(ECE)を用いた校正を行う。 GP法では, 測定値に特異的な感度を呈し, 測定値の精度が向上し, 測定値の精度が向上した。
  論文  参考訳（メタデータ） (2025-04-24T16:31:55Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
  グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。 オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
  論文  参考訳（メタデータ） (2023-05-19T23:52:48Z)
• On the Calibration and Uncertainty with P\'{o}lya-Gamma Augmentation for Dialog Retrieval Models [30.519215651368683]
  ダイアログ応答検索モデルは、ある質問にどの程度関連があるかという応答に対して単一のスコアを出力します。 ディープニューラルネットワークのキャリブレーションの悪さは、信頼性の低い予測が常にユーザの判断を誤ったように、シングルスコアに対してさまざまな不確実性をもたらす。 対話応答検索モデルのための効率的な校正・不確実性推定フレームワークPG-DRRを提案する。
  論文  参考訳（メタデータ） (2023-03-15T13:26:25Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Simple Calibration via Geodesic Kernels [9.999034479498889]
  決定の森やディープニューラルネットワークのような深い差別的アプローチは、最近、多くの重要な現実世界のシナリオで応用を見出した。 しかし、これらの学習アルゴリズムを安全クリティカルなアプリケーションにデプロイすることは、特に分布内領域と分布外領域の両方のキャリブレーションを確保することに懸念を生じさせる。
  論文  参考訳（メタデータ） (2022-01-31T05:07:16Z)
• Rethinking Keypoint Representations: Modeling Keypoints and Poses as Objects for Multi-Person Human Pose Estimation [79.78017059539526]
  本研究では,個々のキーポイントと空間的関連キーポイント(ポーズ)の集合を,密集した単一ステージアンカーベース検出フレームワーク内のオブジェクトとしてモデル化する,新しいヒートマップフリーなキーポイント推定手法を提案する。 実験では, KAPAOは従来手法よりもはるかに高速かつ高精度であり, 熱マップ後処理に悩まされていた。 我々の大規模モデルであるKAPAO-Lは、テスト時間拡張なしでMicrosoft COCO Keypoints検証セット上で70.6のAPを達成する。
  論文  参考訳（メタデータ） (2021-11-16T15:36:44Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)
• Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
  本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。 我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
  論文  参考訳（メタデータ） (2020-03-04T12:27:36Z)

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。