文献

J-GLOBAL ID：201902261812885760   整理番号：19A1771897

マルチロボットのための深層学習ベースプランナによる植物表現型【JST・京大機械翻訳】

Plant Phenotyping by Deep-Learning-Based Planner for Multi-Robots

著者 (5件)： Wu Chenming (Department of Computer Science and Technology, Tsinghua University, Beijing, China) ,  Zeng Rui (Department of Computer Science and Technology, Tsinghua University, Beijing, China) ,  Pan Jia (Department of Computer Science, The University of Hong Kong, Hong Kong) ,  Wang Charlie C. L. (Department of Mechanical and Automation Engineering, The Chinese University of Hong Kong, Hong Kong) ,  Liu Yong-Jin (Department of Computer Science and Technology, Beijing National Research Center of Information Science and Technology, Tsinghua University, Beijing, China)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 4  号： 4  ページ： 3113-3120  発行年： 2019年 
JST資料番号： W2448A  ISSN： 2377-3766  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： 手動植物表現型は遅く,誤差傾向があり,労働集約的である。本レターでは,新しい深い学習に基づく第二次最良視点計画パイプラインを用いて,高速,精密,非侵襲的測定のための自動化ロボットシステムを提示した。具体的には,最初に,次の走査に対する候補ボクセルの集合を推定するために,深いニューラルネットワークを用いた。次に,これらのボクセルから光線をキャストし,最適な視点を決定した。著者らは,その効率と有効性を実証するために,3つのロボットアームまでのシミュレーションと実世界ロボット実験において,著者らの方法を経験的に評価した。我々の新しいパイプラインの一つの利点は,複数のロボットが計画された運動に従って同時に移動するマルチロボットシステムに容易に拡張できることである。著者らのシステムは,柔軟性と計画時間において単一ロボットより著しく優れている。ハイスループット表現型タイピングを実際に行うことができる。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： 柔軟性 ,  ニューラルネットワーク ,  集中化 ,  高速度 ,  自動化 ,  ボクセル ,  ロボットアーム ,  有効性 ,  *ロボット ,  *マルチロボット ,  *表現型
準シソーラス用語： ハイスループット ,  ロボットシステム ,  非侵襲 ,  *深層学習 , 【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 (6件)： マルチ ,  ロボット ,  深層学習 ,  プランナ ,  植物 ,  表現型