ロバストな把持のための剛体-ソフト対話型学習【JST・京大機械翻訳】

Yang Linhan; Wan Fang; Wang Haokun; Liu Xiaobo; Liu Yujia; Pan Jia; Song Chaoyang

プレプリント

J-GLOBAL ID：202202201088538048 整理番号：22P0118848

ロバストな把持のための剛体-ソフト対話型学習【JST・京大機械翻訳】

Rigid-Soft Interactive Learning for Robust Grasping

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年02月29日プレプリントサーバーでの情報更新日： 2020年02月29日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

把持に関する広く使用されたソフトフィンガーに触発されて,データ収集の時間を減らすことを目指して,剛体ソフト対話型学習の方法を提案した。本論文では,グリッパとターゲットオブジェクト間の相互作用表面に従って,Rigard-Rigd,Rigard-Soft,Soft-Rigardに相互作用カテゴリを分類した。グリッパとターゲットオブジェクト間の相互作用タイプが学習法において本質的な役割を果たすという実験的証拠を見出した。Yale-CMU-Berkeley(YCB)物体のような剛体で日常生活の項目を扱うとき,統合複雑性と計算負荷を減らし,そして,グリッパ指をソフトなものに変更することによって,そのような剛体-ソフト相互作用を利用するために,毎日の物体の代わりに,訓練のためにソフトで,詰められたy具を使用した。全部で5Kの採取試みの小さいデータ収集により,著者らの結果は,そのようなRigard-SoftとSoft-Rigard相互作用が移動可能であることを示唆する。さらに,異なる把持タイプの組合せは,把持試験に関してより良い性能を示した。訓練データを収集するための2ソフトフィンガーグリッパによる正確な把持と,試験に対する4ソフトフィンガーグリッパによるパワー把握を用いて,簡単なYCBオブジェクトに対して97.5%,および困難なYCBオブジェクトに対して81.3%の最良の把持性能を達成した。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

ロボットの運動・制御 , 高分子溶液の物理的性質 , コロイド化学一般 , 溶液論一般

, , , ,

前のページに戻る