文献

J-GLOBAL ID：201702232406741138   整理番号：17A1029854

ロボット押しの下での物体変形の多モードモデル【Powered by NICT】

A Multimodal Model of Object Deformation Under Robotic Pushing

著者 (2件)： Arriola-Rios Veronica E. (Facultad de Ciencias, National Autonomous University of Mexico, Coyoaca ́n, Mexico) ,  Wyatt Jeremy L. (University of Birmingham, Birmingham, U.K.)
資料名： IEEE Transactions on Cognitive and Developmental Systems  (IEEE Transactions on Cognitive and Developmental Systems)
巻： 9  号： 2  ページ： 153-169  発行年： 2017年 
JST資料番号： W2443A  ISSN： 2379-8920  資料種別： 逐次刊行物 (A)
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,ロボット押し物体変形の生成モデルのオフライン学習に対する集学的フレームワークを提案した。モデルは,力と視覚情報の統合に基づいたにおけるマルチモーダル。フレームワークは,同じデータから独立に較正されるいくつかのサブモデルから構成されている。これらの要素モデルは多ステップ予測と分類を提供するために配列決定することができた。試験例 ロボット指同定されていないが,以前に学んだ材料で作られた変形可能な物体を押す を呈した場合,異なる材料のためのモジュールの予測を比較した未知の材料を分類した。,多重モデルのオフライン学習と組み合わせで構成される,著者らのアプローチは,機能付与による以前の技術を越えて1)多くのステップ上の予測2)実データから塑性と弾性変形の学習3)ロボットが受ける力の予測4)力と視覚データからの材料の分類および5)ロボットによる接触後の物体挙動の予測は終了する。ロボット工学における変形可能な物体挙動に関する以前の研究は,これらの特徴の1個または二個を提供してきたがいずれもそれらすべてを達成する方法を提供していないと,生成モデルからの分類を提供していないものはなかった。を通して別々に異なる目的のために種々の方法で組み合わせることができるモデルを学習した。Copyright 2017 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： 視覚 ,  学習 ,  *ロボット ,  塑性 ,  *多モード ,  弾性変形 ,  予測
準シソーラス用語： ロボット工学 ,  多重モデル ,  視覚情報 ,  オフライン ,  生成モデル , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ロボット ,  物体 ,  多モード ,  モデル