文献

J-GLOBAL ID：201802214196309246   整理番号：18A2035980

マーカーレス視覚追跡からの手-物体接触力推定【JST・京大機械翻訳】

Hand-Object Contact Force Estimation from Markerless Visual Tracking

著者 (4件)： Pham Tu-Hoa (UMI3218/RL Tsukuba Central 1, Tsukuba, Ibaraki, JAPAN) ,  Kyriazis Nikolaos (FORTH, Heraklion, Greece) ,  Argyros Antonis A. (FORTH, Heraklion, Greece) ,  Kheddar Abderrahmane (UMI3218/RL Tsukuba Central 1, Tsukuba, Ibaraki, JAPAN)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 40  号： 12  ページ： 2883-2896  発行年： 2018年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： 操作中の現実的な接触力を推定する問題を考慮し,視覚のみを用いて,グランドトルース測定を行った。相互作用力は通常,操作された物体または手に力変換器を取り付けることによって測定される。これらはコストがかかり,厄介で,人間の触覚により物体の物理的性質とそれらの知覚を変化させる。著者らの研究は,相互作用力が視覚を用いて費用対効果が高く,信頼できる非侵入的方法で推定できることを確立した。これは複雑で挑戦的な問題である。実際,多重接触において,与えられた運動は一般的に可能な力分布の無限によって引き起こされる。逆最適化に基づく従来のモデルの限界を軽減するために,著者らは,193のオブジェクト把握構成の下で,同期力と運動測定の3.2時間として,操作動特性に関する最初の大規模データセットを収集して,リリースした。反復ニューラルネットワーク(RNN)を用いて運動方程式と基礎操作力に基づく高レベル運動学的特徴間のマッピングを学習した。RNN予測は,二次円錐プログラミング(SOCP)を通して物理ベースの最適化を用いて一貫して精密化される。この方法により,単一のRGB-Dカメラを用いて,物体を直感的に操作する観察と方法の両方に適合する相互作用力をうまく捉えることができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多重化 ,  運動方程式 ,  精密化 ,  ニューラルネットワーク ,  予測 ,  触覚 ,  *視覚 ,  最適化 ,  円錐
準シソーラス用語： RGB-Dカメラ ,  大規模データセット ,  逆最適化 ,  侵入 ,  グランドトゥルース ,  *接触力 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (7件)： マーカー ,  レス ,  視覚追跡 ,  手 ,  物体 ,  接触力 ,  推定