文献

J-GLOBAL ID：201902227677471297   整理番号：19A1961474

MetAGRASP:アフォーダンスインタプリタネットワークによるデータ効率の良い把持【JST・京大機械翻訳】

MetaGrasp: Data Efficient Grasping by Affordance Interpreter Network

著者 (4件)： Cai Junhao (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Cheng Hui (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Zhang Zhanpeng (SenseTime Group Limited) ,  Su Jingcheng (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICRA  ページ： 4960-4966  発行年： 2019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： 把握のためのデータ駆動アプローチは,最近著しい進歩を示している。しかし,これらのアプローチは通常多くの訓練データを必要とする。データ収集の効率を向上させるために,本論文は,データ収集からモデル推論までの全体のパイプラインを含む新しい把握訓練システムを提示した。このシステムは,反足把持規則によって支援された修正戦略によって効果的な把握サンプルを収集することができて,著者らは,画素ごとの把握アフォ舞踊マップを予測するために,手頃なインタプリタネットワークを設計した。著者らは,把持可能性,非把持性,およびバックグラウンドを把握することを定義した。著者らのシステムの主要な利点は,アンチポダルルールの下で少数の把持サンプルだけで訓練されたピクセルレベルアフォ舞踊インタプリタネットワークが,全体的に見えないオブジェクトと背景に関する有意な性能を達成できることである。訓練サンプルはシミュレーションでのみ収集される。広範な定性的および定量的実験により,提案した手法の精度とロバスト性を実証した。実世界の把握実験において,著者らは,約6,300のシミュレートされたサンプルだけで,一組の家庭のアイテムに関して93%の把握成功率を達成し,そして,一組の敵のアイテムに関して91%を達成した。また,クラッタシナリオにおいて87%の精度を達成した。このモデルはRGB画像のみを用いて訓練されるが,背景テクスチャを変化させると,それは良く機能し,また,現在の最先端の方法よりも優れている,対物オブジェクトの集合に対して94%の精度を達成することができる。Copyright 2019 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： ロバスト性 ,  クラッタ ,  画素 ,  *ネットワーク ,  *インタプリタ ,  データ収集
準シソーラス用語： 質感 ,  成功率 ,  *ダンス ,  訓練システム ,  訓練データ ,  データ駆動 , 【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)： 把持