論文の概要: Predict the Swing, Match the Speed: Robotic Pipe Stabbing With Learned Stereo Vision and Residual Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2610.37535v1
- Date: Tue, 27 Oct 2026 16:53:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.722504
- Title: Predict the Swing, Match the Speed: Robotic Pipe Stabbing With Learned Stereo Vision and Residual Reinforcement Learning
- Title（参考訳）: ロボットによるステレオビジョンと残留強化学習によるスウィングの予測と速度の一致
- Abstract要約: StabBotはスイングを予測し、パイプを自身の速度で満たす。
振り子カルマンフィルタはステレオ画像で関節を追跡する。
ResNet-18キーポイントネットワークは、パイプを3Dで配置する。
- 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: A joint of pipe run into the hole swings from the elevator over the well and strikes a fixed stabbing guide at whatever speed the swing has. StabBot, a robotic stabbing system, predicts the swing and meets the pipe at its own speed. A pendulum Kalman filter tuned from the pipe tally tracks the joint in stereo images. A six-axis arm with an open V-shaped roller head closes in at matched velocity, confirms the last millimetres by touch, aims the pin over the box when the elevator hangs off centre, and follows the block down with lateral compliance. A ResNet-18 keypoint network locates the pipe, pin nose and box mouth in 3-D, and a residual reinforcement-learning policy refines the capture. On 200 paired random jobs with nine sizes from 2-3/8-in. tubing to 20-in. casing, StabBot seated every joint with the pipe touching only rollers, against 74% for a conventional fixed guide. Median contact speed fell from 18.4 to 2.3 cm/s and median peak head-pipe force from 11.3 to 1.4 kN, and the force was lower in all 200 jobs (Wilcoxon $p < 10^{-30}$). The network locates the pipe with 0.4-mm median error in 2.3 ms per stereo pair. With the network in the loop, success stayed at 100% under 20 mm of added noise, 300-ms delay, 85% frame loss, 20-mm calibration offset, 20-cm elevator offset and 40-cm swings. All results come from a 1:4 Froude-scaled MuJoCo model and are reported at full scale.
- Abstract（参考訳）: 穴にぶつかるパイプの関節は、エレベーターから井戸越しに揺れ、スイングが持つ速度で固定ステービングガイドを打つ。
ロボットステビングシステムであるStabBotは、スイングを予測し、自身の速度でパイプと出会う。
パイプタリーから調律された振り子カルマンフィルタはステレオ画像で関節を追尾する。
開いたV字型のローラーヘッドを持つ6軸アームは、一致した速度で閉じ、最後のミリメートルをタッチで確認し、エレベーターが中央からぶら下がっているときにボックスの上にピンを向け、横方向の順守でブロックを追尾する。
ResNet-18キーポイントネットワークは、パイプ、ピン鼻、ボックス口を3Dで特定し、残留強化学習ポリシーにより捕捉を洗練する。
200のランダムジョブに対して、2-3/8-inの9つのサイズがある。
20-in のタブ。
ケーシングのStabBotは、従来の固定ガイドの74%に対して、ローラーのみに触れるパイプですべての関節に座っていた。
中央の接触速度は18.4から2.3cm/sに低下し、中央のピークヘッドパイプ力は11.3から1.4kNに低下し、全200ジョブ(Wilcoxon $p < 10^{-30}$)で低下した。
ネットワークは、ステレオペアあたり2.3msで0.4mmの中央値誤差でパイプを配置する。
ループ内のネットワークは20mm以下のノイズ、300msの遅延、85%のフレームロス、20mmのキャリブレーションオフセット、20cmのエレベーターオフセット、40cmのスイングで成功し続けた。
すべての結果は1:4のFroudeスケールのMuJoCoモデルから得られ、フルスケールで報告されている。
関連論文リスト
- DewHand: Direct Metric World-Space Hand Motion Reconstruction from Egocentric Videos [38.06316736126488]
DewHandは、世界空間の手とカメラの動きを直接的に再現するための統一モデルである。
HOT3Dでは32.9mmから28.4mmに、ARCTICでは76.2mmから36.2mmに減少する。
また、HOT3Dクリップの3分の2でカメラのスケールが10%以内に回復し、SLAMの約4分の1が回復する。
論文 参考訳（メタデータ） (2026-10-21T16:08:38Z) - Line-Augmented cuVSLAM: Robust Visual Odometry in Low-Texture Environments [34.68300508142794]
直線は幾何輸送のためのチャンカー座標としてパラメータ化され、バルトーリとシュトゥルム・フライブルクの最小4-DOF正規正規表現としてパラメータ化される。
適応的な情報重みは、点特徴が不足するにつれて、正確に見積の重みを仮定する。
ラインは平均的な絶対軌道誤差をTUM RGB-D3コレクションの22のシーケンスで38.5%減らし、8レプリカの部屋とオフィスのシーケンスで30.1%減らした。
論文 参考訳（メタデータ） (2026-10-14T21:29:40Z) - PACT: Posture-Aligned Co-Design Technique for Hand Configuration and Retargeting in Multi-Finger Imitation Learning [43.43158564310598]
人間の把握姿勢に基づく最適化であるPACTを導入する。
手のキーポイントは全て3.9mmのキネティックRMSEで再現され、LEAPハンドベースラインでは12.8mmである。
また、YCBの日常的なオブジェクトで86%の成功率を得ることができ、ベースラインでは64%である。
論文 参考訳（メタデータ） (2026-10-13T14:16:45Z) - How Much Velocity Does Off-Ball Space Value Need? A Broadcast-Viewport Benchmark [0.9185901163605424]
速度対応のピッチコントロールは標準だが、ブロードキャストビューポートではプレイヤーの半分がオフスクリーンである。
球面外解析速度の層がどの層に変化するかを問う。
速度を意識した地上の真実に対して,計算,制御面,チームの評価という3つのレイヤで4つの速度レギュレーションをスコア付けする。
論文 参考訳（メタデータ） (2026-09-09T20:10:24Z) - Throwing a Tight Spiral American Football by a Humanoid Robot [5.213778368155993]
本稿では,ヒューマノイドロボットによるアメリカンフットボールのスピンアクチュエータ制御型タイトスパイラルスローについて述べる。
提案手法は、7-DoF Dex3-1三指グリップを備えた29-DoFユニツリーG1ヒューマノイド上で実証的に検証される。
論文 参考訳（メタデータ） (2026-08-17T14:40:54Z) - Tripody: An Overconstrained 3-SPR-like Parallel Robot for High-Reach Construction Tasks [5.351986678360277]
Tripodyは車輪付きの3DoF並列ロボットだ。
古典的な3SPRの基本球形関節を置き換える。
システムは高さ1.7mから3.4mまで拡張され、連続32kgのペイロードをサポートする。
論文 参考訳（メタデータ） (2026-07-28T14:36:16Z) - Stop to Decide: Latency-Aware Proprioceptive Navigation Primitives for Mapping-Free Quadruped Inspection [17.95005898596094]
コンピュータに制約された四足歩行は、しばしばコントローラの設計速度よりはるかに低いナビゲーションループを走らせる。
この遅延は標準的な受容パターンを破り、まだ登っている間にボディピッチ信号から階段が到着する、と宣言する。
インモーション検出は、周期ごとの前進v/fで、確率が上昇してトップエッジをオーバーシュートする。
論文 参考訳（メタデータ） (2026-07-13T07:56:00Z) - Strain in Sound: Soft Corrugated Tube for Local Strain Sensing with Acoustic Resonance [0.5543867614999908]
内部の腐食した空洞は、管の定常波共鳴モードを励起する圧力振動を誘発し、音響音を発生させる。
制御された流速を網羅することにより,様々な局所的ストレッチ条件下での流速の共振周波数データを収集した。
センサーは0.8mmの平均絶対誤差(MAE)を達成し、単周期管(3.1mm)は1mmの良好なMAEを提供した。
論文 参考訳（メタデータ） (2026-04-21T21:51:54Z) - SaFeR-Steer: Evolving Multi-Turn MLLMs via Synthetic Bootstrapping and Feedback Dynamics [47.27769702884728]
SaFeR-Steerはプログレッシブなマルチターンアライメントフレームワークである。
ステージ化されたブートストラップとチューター・イン・ザ・ループのGRPOを組み合わせることで、適応的でオン・ポリティクスな攻撃の下で1人の学生を訓練する。
STEERはSTEER-SFT (12,934), STEER-RL (2,000), STEER-Bench (3,227) ダイアログを210ターンに分散したマルチターンマルチモーダル安全データセットである。
論文 参考訳（メタデータ） (2026-03-18T09:28:29Z) - DarwinWafer: A Wafer-Scale Neuromorphic Chip [43.876109856399886]
我々は,300mmシリコンインターポーサ上に64個のDarwin3チップレットを高密度に統合し,オフチップ配線をウェハスケールで置き換えるハイパースケールシステム・オン・ウェハを提案する。
各チップレット内のGALS NoCと階層的な時間ステップ同期を備えたAERベースの非同期ウエハファブリックは、ウエハをまたいだ低レイテンシでコヒーレントな動作を提供する。
DarwinWaferは100Wを消費し、64TSOPSピークスループット(0.64TSOPS/W)で4.9pJ/SOPを達成する。
論文 参考訳（メタデータ） (2025-08-30T00:22:09Z) - One-pass Multiple Conformer and Foundation Speech Systems Compression and Quantization Using An All-in-one Neural Model [42.60767244256665]
本稿では,オールインワンニューラルモデルを用いた新しい1パス多重ASRシステムの共同圧縮と量子化手法を提案する。
単一の圧縮サイクルにより、異なる深さ、幅、量子化の精度設定を持つ複数のネスト系を、個別のターゲット系を個別に訓練・保存することなく同時に構築することができる。
実験では、単一のオールインワンモデルで圧縮された複数のASRシステムが、同じ複雑さを持つ個別に訓練されたシステムよりも、ワードエラー率(WER)が1.01%以上(6.98%)低いことを一貫して実証した。
論文 参考訳（メタデータ） (2024-06-14T16:18:34Z)
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。