文献

J-GLOBAL ID：201702275655920464   整理番号：17A1470286

物体把持のためのBatch Learning Growing Neural Gasを用いた把持位置の決定

著者 (4件)： 呉澤沛 (首都大) ,  戸田雄一郎 (首都大) ,  TAY Noel (首都大) ,  久保田直行 (首都大)
資料名： 日本ロボット学会学術講演会予稿集(CD-ROM)  (日本ロボット学会学術講演会(CD-ROM))
巻： 35th  ページ： ROMBUNNO.1I1-06  発行年： 2017年09月11日 
JST資料番号： L4867A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 生活支援ロボットにとって,物体の把持は,対象物の片付けや移動をさせるためにも基本的な能力の1つであり,対象物を把持するためには把持物体の形状把握を行わなければならない。本稿では,教師なし学習の1つであるBatch Learning Growing Neural Gasを用いることによって,3次元点群データから形状把握に必要な最低限の位相構造を学習し,形状把握に必要な特徴量を抽出できることを示す。(著者抄録)

シソーラス用語： *把持【操作】 ,  *つかみ装置 ,  学習アルゴリズム ,  物体認識 ,  特徴抽出 ,  構造 ,  主成分分析 ,  推定 ,  教師なし学習 ,  ロボット ,  ロボット構成要素 ,  位置決め ,  形状認識 ,  生活支援ロボット
準シソーラス用語： *グリッパ ,  成長ニューラルガス ,  特徴量抽出 ,  位相構造 ,  姿勢推定 ,  位置決定

分類 (1件)： ロボットの設計・製造・構造要素  (IC04013A)

引用文献 (3件)：

• 飯塚正樹,秋月秀一,橋本学,“アフォーダンスの概念に基づく一般物体認識のための3次元特徴量”, 第34回日本ロボット学会学術講演会, 2016.
• 戸田雄一郎,久保田直行,”Batch Learning Growing Neural Gasによる3次元点群の位相構造の学習”,ビジョン技術の実利用ワークショップ ViEW2014, 2014.
• B. Fritzke: A growing neural gas network learns topologies; Advances in Neural Information Processing Systems, Vol. 7, pp. 625-632, 1995.

タイトルに関連する用語 (2件)： 物体 ,  把持