文献

J-GLOBAL ID：201802247954759478   整理番号：18A1773024

DEFO-NET:生成的敵対ネットワークを用いた身体変形の学習【JST・京大機械翻訳】

DEFO-NET: Learning Body Deformation Using Generative Adversarial Networks

著者 (7件)： Wang Zhihua (Department of Computer Science, University of Oxford, Oxford, OX1 3QD, United Kingdom) ,  Rosa Stefano (Department of Computer Science, University of Oxford, Oxford, OX1 3QD, United Kingdom) ,  Xie Linhai (Department of Computer Science, University of Oxford, Oxford, OX1 3QD, United Kingdom) ,  Yang Bo (Department of Computer Science, University of Oxford, Oxford, OX1 3QD, United Kingdom) ,  Wang Sen (Heriot-Watt University, School of Engineering and Physical Sciences, Edinburgh, EH14 4AS, United Kingdom) ,  Trigoni Niki (Department of Computer Science, University of Oxford, Oxford, OX1 3QD, United Kingdom) ,  Markham Andrew (Department of Computer Science, University of Oxford, Oxford, OX1 3QD, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 2440-2447  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： 毎日の物体の物理的性質のモデリングは自律ロボットの基本的必要条件である。単一のRGB-D画像から外部力の下で体の変形を予測することができる,新しい生成的なadversネットワーク(DEFO-NET)を提案した。このネットワークは,可逆的条件付き一般化適応ネットワーク(IcGAN)に基づいており,物理的有限要素モデルシミュレータにより生成される興味の異なるオブジェクトの収集に関して訓練されている。Defo-netinherisはGansの一般化特性を示す。これは,ネットワークがオブジェクトの単一の深さの視点を与えられたオブジェクトの全体の3D外観を再構成することができて,見えないオブジェクト構成に一般化することができることを意味する。従来の有限要素法とは対照的に,著者らのアプローチは,リアルタイム応用において使用するのに十分速い。著者らは,異なる障害物と床材料上にペイロードを運ぶ移動ロボットの安全で高速なナビゲーションの問題にネットワークを適用した。実際のシナリオにおける実験結果は,RGB-Dカメラを装備したロボットが,異なるペイロード構成の下で地形変形を予測するためにネットワークを使用することができることを示し,これを使用して,安全でない領域を避けることができる。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： 安全性 ,  シミュレータ ,  *ネットワーク ,  ロボット ,  モデリング ,  ペイロード ,  画像 ,  再構成 ,  高速度 ,  三次元 ,  必要条件 ,  移動ロボット ,  自律ロボット
準シソーラス用語： 実時間 ,  RGB-D , 【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 (3件)： 敵対 ,  身体 ,  学習