抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
新しい学習原理に基づく視覚誘導到達のための閉ループ,マルチインスタンス制御アルゴリズムを提案する。制御Lyapunov関数方法論を用いて,完全状態情報(全ての潜在的到達点)が利用できる場合における複雑な多インスタンスタスクに対する到達行動を設計した。提案したアルゴリズムは,制御Lyapunov関数(cLf)と対応する速度制御の値を予測するために,深い畳み込みニューラルネットワークへの入力として単眼視とマニピュレータ関節角度を使用する。得られたネットワーク出力は,制御Lyapunov関数の設計から自然に出現するマルチインスタンス能力による把持タスクのための視覚制御として実時間で使用された。提案アルゴリズムは,超肩の単眼RGBカメラからテーブルトップ上にμgs(テクスチャレスおよび対称オブジェクト)を把持することを実証した。マニピュレータは,作業空間内の任意のランダム初期姿勢から,多重同一インスタンスの中で最良適合目標に動的に収束する。模擬データのみを訓練したシステムは,1つのGTX1080Ti GPU上で85Hzの閉ループ制御による実世界実験で90.3%の把握成功率を達成し,最先端の単一ショットRGB6D姿勢推定アルゴリズムから適応したPoseベースVisual-Servo(PBVS)把持システムを大幅に凌駕する。論文の重要な貢献は,学習中の正則化項としてcLfに関連する一次微分制約の包含であり,これは,一般的制御入力におけるバニラ回帰よりも,よりロバストで信頼性のある到達/把握性能をもたらす証拠を与える。【JST・京大機械翻訳】
