文献

J-GLOBAL ID：201802214963207546   整理番号：18A1894937

変形可能物体の操作のためのモデル駆動フィードフォワード予測【JST・京大機械翻訳】

Model-Driven Feedforward Prediction for Manipulation of Deformable Objects

著者 (8件)： Li Yinxiao (Department Computer Science, Columbia University, New York, NY, USA) ,  Wang Yan (Department of Electrical Engineering, Columbia University, New York, NY, USA.) ,  Yue Yonghao (Department Computer Science, Columbia University, New York, NY, USA) ,  Xu Danfei (Department Computer Science, Columbia University, New York, NY, USA) ,  Case Michael (Department Computer Science, Columbia University, New York, NY, USA) ,  Chang Shih-Fu (Department Computer Science, Columbia University, New York, NY, USA) ,  Grinspun Eitan (Department Computer Science, Columbia University, New York, NY, USA) ,  Allen Peter K. (Department Computer Science, Columbia University, New York, NY, USA)
資料名： IEEE Transactions on Automation Science and Engineering  (IEEE Transactions on Automation Science and Engineering)
巻： 15  号： 4  ページ： 1621-1638  発行年： 2018年 
JST資料番号： W1406A  ISSN： 1545-5955  CODEN： ITASC7  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： 変形可能な物体のロボット操作は,多くの異なる方法の複雑さのため,特に物体が変形できるので,困難な問題である。このような高次元状態空間を探索することにより,変形物体の認識,追跡,操作が困難になる。本論文では,変形可能オブジェクトモデルの事前計算,模擬データベースを用いて,この挑戦に取り組むための予測的モデル駆動アプローチを導入した。一般的な変形可能な衣服のメッシュモデルを,重力下で複数の異なる姿勢で取り上げられた衣服でシミュレートし,高速で効率的な検索のためのデータベースに保存した。この手法を検証するために,典型的な洗濯作業における衣服を操作するための包括的なパイプラインを開発した。最初に,データベースをカテゴリに使用し,姿勢推定を任意の位置の衣服に用いた。衣服の完全に特徴的な3-Dモデルを実時間で構築し,次に,体積特徴を用いて,オブジェクトカテゴリと姿勢を予測するためにデータベースにおける最も類似したモデルを得た。第二に,データベースは非剛体レジストレーションを介して変形可能なオブジェクトの操作に有意に利益を与えることができ,再構成されたオブジェクトモデルとデータベースモデルの間の正確な対応を提供する。第3に,正確なモデルシミュレーションを用いて,衣服の折畳みのような変形可能な物体の操作のための軌道を最適化することもできた。広範な実験結果を,種々の異なる衣服を用いて上記の作業に対して示した。Practionersに注目して,本論文では,オープンソース,拡張可能,3Dデータベースをロボットとグラフィックスコミュニティへの普及のために提供した。モデル駆動法は増殖しており,実際の環境で適用,試験,検証する必要がある。著者らが開発した重要なアイデアは,シミュレーションの革新的で新しい利用を持つことである。このデータベースは,高度なロボット機械学習アルゴリズムを開発するためのインフラストラクチャとして役立つ。著者らは,この機械学習アイデアに取り組むことを望んでいるが,著者らは,この分野において広い進歩をもたらすであろう,異なるエージェントとタスクアプリケーションを持つ他の研究者へのデータベースの普及を期待する。提案した方法は,以前に述べたように,相互関連領域に容易に適用できる。一つの例は,三次元形状ベースのマッチングアルゴリズムが,ボトル,紙,および食品などの他のオブジェクトに使用できることである。他のロボットシステムと統合した後,ロボットの使用は,日常生活を支援するために,食品,洗浄室,およびフェッチング物体のような他の作業に容易に拡張することができる。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： 食品 ,  応用プログラム ,  インフラストラクチャー ,  *モデル ,  ロボット ,  学習アルゴリズム ,  最適化 ,  機械学習 ,  *予測 ,  データベース ,  再構成 ,  エージェント ,  三次元 ,  衣服
準シソーラス用語： 複雑性 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 物体 ,  モデル ,  フィードフォワード ,  予測