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。
部分的に見える,新しいオブジェクトのロボットピックアンド位置を考察し,そこでは,目標配置が,例えば,ビンに密に充填されている。1つのアプローチは,(a)オブジェクトインスタンスセグメンテーションと形状完了を用いてオブジェクトをモデル化し,(b)把持を決めて,それらの目標にモデルを displacingめるために,再グラフプランナーを使用することである。しかし,非観測領域における物体形状がちょうど推測されるので,知覚モデルにおける不確実性を説明する計画者にとっては,それは重要である。それを,再グラッププランナーのコスト関数に組み込むことにより,知覚的不確実性を説明する。7つの異なるコストを比較した。これらのうちの1つは,把持と位置安定性の確率を推定するためにニューラルネットワークを使用し,一貫して不確実性非認識コストを上回り,モンテカルロサンプリングよりも高速に評価する。実ロボットでは,提案したコストが,通常使用される最小数対コストに対して,よりしばしば,ビン7.8%に,オブジェクトを堅く充填するのに成功した。【JST・京大機械翻訳】