文献

J-GLOBAL ID：201602272448113974   整理番号：16A1355754

高密度クラッタ中の検出をもたらす高精度把握【Powered by NICT】

High precision grasp pose detection in dense clutter

著者 (4件)： Gualtieri Marcus (College of Computer and Information Science, Northeastern University, United States) ,  ten Pas Andreas (College of Computer and Information Science, Northeastern University, United States) ,  Saenko Kate (Department of Computer Science, University of Massachusetts, Lowell, United States) ,  Platt Robert (College of Computer and Information Science, Northeastern University, United States)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IROS  ページ： 598-605  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,点雲における把持姿勢検出の問題を考察した。最初の6自由度把握候補の大規模集合を生成し,次に良いのか悪いの把握としてそれらの各々を分類する一般的アルゴリズム構造に従った。本論文の焦点は,畳込みニューラルネットワークを訓練するために大規模オンラインデータセットから深さセンサ走査を用いて第二段階を改善することにした。把握候補の二つの新しい表現を提案し,把握すべき二型物体のインスタンスまたはカテゴリー知識の事前知識を用いて,理想化されたCADモデルから得られたシミュレートされた深さデータにネットワークをpretrainingの影響を定量化した。著者らの解析は,より有益な把握候補表現だけでなく,訓練と事前知識を把握検出を顕著に改善することを示した。Baxter研究ロボット上で提案アプローチを評価し,密なクラッタ中の93%の平均把握成功率を実証した。これは著者らの以前の研究と比較して20%の改善である。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 自由度 ,  センサ ,  *クラッタ ,  ネットワーク ,  アルゴリズム ,  走査 ,  ロボット ,  畳込み ,  ニューラルネットワーク
準シソーラス用語： 成功率 ,  CADモデル ,  事前知識 ,  *高精度 ,  *高密度 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (2件)： クラッタ ,  把握