文献

J-GLOBAL ID：202002235010242613   整理番号：20A0439387

ロボット力推定のための固有受容モデルの深層学習【JST・京大機械翻訳】

Deep Learning of Proprioceptive Models for Robotic Force Estimation

著者 (5件)： Berger Erik (Digital Enterprise & Digital Services, Siemens AG, Schuetzenstr. 4-10,Leipzig,Germany,04103) ,  Passos Daniel Eger (Institute of Computer Science, Technical University Bergakademie Freiberg, Bernhard-von-Cotta-Str. 2,Freiberg,Germany,09599) ,  Grehl Steve (Institute of Computer Science, Technical University Bergakademie Freiberg, Bernhard-von-Cotta-Str. 2,Freiberg,Germany,09599) ,  Amor Heni Ben (Arizona State University, 699 S Mill Ave,School of Computing, Informatics and, Decision Systems Engineering,Tempe,AZ,USA,85281) ,  Jung Bernhard (Institute of Computer Science, Technical University Bergakademie Freiberg, Bernhard-von-Cotta-Str. 2,Freiberg,Germany,09599)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IROS  ページ： 4258-4264  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： 多くのロボットタスクは,適応行動実行を確実にするために高速で正確な力センシング能力を必要とする。専用の力トルク(FT)センサは一般的なオプションであるが,このようなデバイスは余分なコストを誘導し,追加の電源を必要とし,その他の軽量ロボットシステムに重量を加える必要がある。本論文では,一般的な内部センサのみに基づくロボットに作用する外力を推定するための機械学習手法を提案した。訓練段階において,行動特異的固有受容モデルは,タスク実行中に期待される固有受容フィードバックのコンパクトな表現として学習される。最初に,与えられた挙動に関連する固有感覚センサを,情報理論的測度を用いて同定した。次に,固有受容モデルを,深い学習技術を用いて学習した。行動実行中に,固有受容モデルを外部力の推定のための実際のセンサ読み取りに適用した。UR5ロボットで行った実験は,専用の市販FTセンサが適用できない状況でも,高速で正確な力推定の能力を実証した。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： *ロボット ,  トルク ,  *学習 ,  センサ ,  情報理論 ,  自己受容性感覚 ,  測度 ,  機械学習
準シソーラス用語： ロボットシステム ,  *深層学習 ,  *力推定 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ロボット ,  力推定 ,  固有 ,  受容 ,  モデル ,  深層学習