文献

J-GLOBAL ID：202102256504475163   整理番号：21A0672028

異種触覚感覚データに関する教師付き自動エンコーダ共同学習:材料分類性能の改善【JST・京大機械翻訳】

Supervised Autoencoder Joint Learning on Heterogeneous Tactile Sensory Data: Improving Material Classification Performance

著者 (4件)： Gao Ruihan (A*STAR Institute for Infocomm Research,Robotics & Autonomous Systems Department,Singapore) ,  Taunyazov Tasbolat (A*STAR Institute for Infocomm Research,Robotics & Autonomous Systems Department,Singapore) ,  Lin Zhiping (Nanyang Technological University,School of Electrical and Electronic Engineering,Singapore) ,  Wu Yan (A*STAR Institute for Infocomm Research,Robotics & Autonomous Systems Department,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 10907-10913  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： タッチの感覚は,接触時に豊富でマルチモーダルな感覚情報を提供するので,環境と相互作用するロボットにとって不可欠なセンシングモダリティである。それは環境の知覚理解を豊かにし,行動生成のためのループを閉じる。他のセンシング様式を凌駕する知覚の1つの基本的領域は,例えばガラス対プラスチックと相互作用する材料の理解である。しかし,標準化されたデータフォーマットを持つビジョンと監査の感覚とは異なり,触覚データのフォーマットは,センサメーカーによって広く決定され,それは,不均一センサから収集されたデータに関する大規模学習を困難にし,公的に利用可能な触覚データセットの有用性を制限する。本論文では,いくつかの共通材料でタッチシーケンスを実行する2つの触覚センサから収集したデータの関節学習性を調べた。訓練の有効性を改善するために,関節材料分類タスクを実行するための教師つき再帰自動符号化フレームワークを提案した。フレームワークは,iCubRoboSkin触覚センサとSynTouch BioTacセンサを用いて,それぞれ20の材料テクスチャ上の滑り運動で収集した2セットの触覚データで実装し,試験した。著者らの結果は,学習効率と精度が,独立データセット訓練と比較して,共同学習を通して両方のデータセットに対して改善することを示した。これは,異なるセンサを共有する大規模オープン触覚データセットの有用性を示唆する。Copyright 2021 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： ガラス ,  相互作用 ,  *学習 ,  *触覚 ,  標準化 ,  ロボット ,  *符号器 ,  生産者 ,  センサ ,  多モード ,  データフォーマット ,  触覚センサ
準シソーラス用語： モダリティ ,  *協調学習 ,  感覚情報 , 【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)： 触覚 ,  感覚 ,  教師 ,  エンコーダ ,  共同学習 ,  分類