文献

J-GLOBAL ID：201802222913792098   整理番号：18A1508908

マルチセグメントソフトロボットアームの分散計画【JST・京大機械翻訳】

Distributed Planning of Multi-Segment Soft Robotic Arms

著者 (2件)： Zhang Wenlong (Ira A. Fulton Schools of Engineering, Arizona State University, Polytechnic School, Mesa, AZ, 85212, U.S.) ,  Polygerinos Panagiotis (Ira A. Fulton Schools of Engineering, Arizona State University, Polytechnic School, Mesa, AZ, 85212, U.S.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACC  ページ： 2096-2101  発行年： 2018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： 本論文は,2Dおよび3D空間の両方における目標位置に到達するために,マルチセグメントソフトロボットアームのエンドエフェクタのための分散運動計画アルゴリズムを提示した。計画アルゴリズムは,近位から遠位セグメントまで連続的に走る。各セグメントに対して,計画アルゴリズムはそれ自身の位置,エンドエフェクタ,および目標に関する情報を必要とするだけである。各セグメントの2D計画は,曲げ角度と膨張比によってパラメータ化される。それは,残留アームの全体的幾何学と目標位置をチェックすることによって決定される。同じ概念を3D計画に拡張した。そこでは,パラメータには,各セグメントに対するインフレーション比,方位角,および仰角が含まれる。本論文では,アームの物理的限界と挑戦的な目標位置が目標達成に失敗をもたらすことを示した。これを説明するために,反復学習関数を提案した。これは,各セグメントが過去の試行から学習することを可能にし,目標達成のために積極的である。反復学習による提案した分散計画アルゴリズムは,強いスケーラビリティ,低い計算コスト,およびロバストな目標達成性能を実証した。さらに,アームの構成を事前に学習するために訓練データを必要とせず,それはアルゴリズムを広い範囲のマルチセグメントソフトと連続ロボットに高度に適用できるようにした。2Dと3Dシミュレーション結果の両方を提供して,提案したアルゴリズムの有効性を例示した。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： *ロボット ,  アルゴリズム ,  幾何学 ,  二次元 ,  *アーム ,  ロバスト性 ,  パラメタリゼーション ,  方位角 ,  *ロボットアーム ,  三次元
準シソーラス用語： 反復学習 ,  仰角 ,  運動計画 ,  目標位置 ,  三次元空間 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 計画