Coinbot:深層強化学習と機械学習を用いた知的ロボットコインバッグ操作【JST・京大機械翻訳】

Gonnochenko Aleksei; Semochkin Aleksandr; Egorov Dmitry; Statovoy Dmitrii; Zabihifar Seyedhassan; Postnikov Aleksey; Seliverstova Elena; Zaidi Ali; Stemmler Jayson; Limkrailassiri Kevin

プレプリント

J-GLOBAL ID：202202202832989920 整理番号：22P0214576

Coinbot:深層強化学習と機械学習を用いた知的ロボットコインバッグ操作【JST・京大機械翻訳】

Coinbot: Intelligent Robotic Coin Bag Manipulation Using Deep Reinforcement Learning And Machine Teaching

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 (10件)： , , , , , , , , ,
資料名：
発行年： 2020年12月02日プレプリントサーバーでの情報更新日： 2020年12月02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)

銀行のキャッシュセンターにおける物理的通貨の重い袋を移動することの困難な困難さを考えると,協調作業空間においてそのようなタスクを実施できる安全自律システムを訓練し,展開する大きな需要がある。しかし,その内に含まれる大量の剛体コインを含むバッグの変形特性は,ロボットグリッパおよびアームによるバッグ検出,把持および操作の課題を著しく増加させた。本論文では,協調ロボットを制御するタスクに深い強化学習と機械学習技術を適用し,トロリーからコインバッグの負荷軽減を自動化する。操作中の質量変化の中心が,操作中の質量変化の中心であるコイン袋のような柔軟な材料のタスク特異的プロセスを達成するために,特別なグリッパを,シミュレーションで実行して,物理的ハードウェアで設計した。深い学習を用いた奥行きカメラと物体検出を,バッグ検出と姿勢推定を把持の最適点を選択するために行った。深い強化学習に基づく知的アプローチを導入し,ロボットエンドエフェクタの最良構成を提案し,成功した把持を最大化した。ロボット操作中の運動計画の速度を上げるために,ブースト運動計画を利用した。提案したパイプラインを用いた実世界試験は,実世界設定で96%以上の成功率を示した。【JST・京大機械翻訳】

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

人工知能 , ロボットの運動・制御

, , , ,

前のページに戻る