文献

J-GLOBAL ID：202002229975341206   整理番号：20A2145341

内部予測モデルの学習による空間オブジェクト関係に対する押し動作効果の予測【JST・京大機械翻訳】

Predicting Pushing Action Effects on Spatial Object Relations by Learning Internal Prediction Models

著者 (3件)： Paus Fabian (Karlsruhe Institute of Technology,Institute for Anthropomatics and Robotics,Karlsruhe,Germany) ,  Huang Teng (Karlsruhe Institute of Technology,Institute for Anthropomatics and Robotics,Karlsruhe,Germany) ,  Asfour Tamim (Karlsruhe Institute of Technology,Institute for Anthropomatics and Robotics,Karlsruhe,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRA  ページ： 10584-10590  発行年： 2020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： 行動の影響を理解することは,ロボットタスクの計画と実行に不可欠である。可能な行動結果を想像することによって,ロボットは望ましい目標状態を達成するために特定の行動パラメータを選ぶことができる。学習内部予測モデルに基づくプッシュ動作をパラメータ化するためのアプローチを示した。これらのプッシュ動作は,高レベルプランナー,例えば,ブラウンボックスをオレンジボックスの権利にしなければならない後で与えられる制約を満たす必要がある。本研究では,物体中心グラフとして知覚シーンを表現し,内部モデルを学習し,プッシュ動作による物体姿勢変化を予測する。この内部モデルを大規模合成データセットで訓練し,シミュレーションで発生させ,評価用の実ロボットに関するより小さなデータセットを記録した。与えられたシーンと目標状態に対して,ロボットはパラメータ空間をサンプリングし,次に内部シミュレーション,すなわち,高レベルプランナーによって提供される望ましい効果による内部モデルから生じる予測効果を比較することによって,内部シミュレーションによる候補を評価することにより,一連の可能なプッシュ動作候補を生成する。評価において,著者らは,著者らのモデルが様々な数のオブジェクトを有するシーンにおいて高い予測精度を達成して,最先端の手法とは対照的に,訓練中に見られたより多くのオブジェクトを有するシーンに一般化できることを示した。ヒューマノイドロボットARMAR-6に関する実験において,著者らはシミュレーションからの移動を検証して,学習された内部モデルが効率的に場面を望ましい状態に操作するために使用できることを示した。Copyright 2020 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： シミュレーション ,  *学習 ,  ロボット ,  オレンジ ,  パラメタリゼーション ,  *予測モデル
準シソーラス用語： パラメータ空間 ,  予測精度 ,  内部モデル ,  プランナ , 【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 (5件)： 内部予測 ,  モデル ,  学習 ,  オブジェクト ,  予測