文献

J-GLOBAL ID：202202261769015348   整理番号：22A0859265

深層学習技術を用いた人間-ロボット協調における衝突検出のための新しい機構【JST・京大機械翻訳】

A New Mechanism for Collision Detection in Human-Robot Collaboration using Deep Learning Techniques

著者 (9件)： Rodrigues Iago Richard (Grupo de Pesquisa em Redes e Telecomunicacoees, Universidade Federal de Pernambuco, Recife, Brazil) ,  Barbosa Gibson (Grupo de Pesquisa em Redes e Telecomunicacoees, Universidade Federal de Pernambuco, Recife, Brazil) ,  Oliveira Filho Assis (Grupo de Pesquisa em Redes e Telecomunicacoees, Universidade Federal de Pernambuco, Recife, Brazil) ,  Cani Carolina (Grupo de Pesquisa em Redes e Telecomunicacoees, Universidade Federal de Pernambuco, Recife, Brazil) ,  Sadok Djamel H. (Grupo de Pesquisa em Redes e Telecomunicacoees, Universidade Federal de Pernambuco, Recife, Brazil) ,  Kelner Judith (Grupo de Pesquisa em Redes e Telecomunicacoees, Universidade Federal de Pernambuco, Recife, Brazil) ,  Souza Ricardo (Ericsson Research, Indaiatuba, Sao Paulo, Brazil) ,  Marquezini Maria Valeria (Ericsson Research, Indaiatuba, Sao Paulo, Brazil) ,  Lins Silvia (Ericsson Research, Indaiatuba, Sao Paulo, Brazil)
資料名： Journal of Control, Automation and Electrical Systems  (Journal of Control, Automation and Electrical Systems)
巻： 33  号： 2  ページ： 406-418  発行年： 2022年 
JST資料番号： W4559A  ISSN： 2195-3880  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人間-ロボット協調は,研究環境だけでなく,産業および多くの現代の日常活動においてもますます存在している。最も単純なものから最も複雑なものまでのタスクの自動化の必要性がある。ロボットアームの挿入は,この目標を達成するために有用なステップを提供する。しかし,安全性は懸念のままである。この協調状況における最も頻繁な課題の中で,人間-ロボット衝突である。焦点は,活動の自動化効率に関するものであるが,関連するエージェントに対する損傷を低減または防止する必要性が高まっている。この目標の一部として,本論文では人間-ロボット衝突を検出する新しい機構を提案した。無線基地局における保全のための協調シナリオに通常存在する設備を用いて,よく制御されたシナリオで試験した。使用したロボットは,3つの2Dカメラとネットワークラックに加えてUR5ロボットアームである。著者らの実験シナリオでは,人間は,この文脈で挿入された基本的な協調活動を行う一方で,ラック内に設置されたネットワークデバイスと相互作用する。衝突検出のために,深層学習モデルを用い,評価した。これらを,3つの異なるカメラからの見解と展望を考慮して,人間とロボットの間の重複を検出するために訓練した。最後に,衝突が発生するかどうかを確立するために,新しいアンサンブル学習システムを提案した。それは,深い学習モデルを通してオーバーラップ検出の結果を入力する。結果は,提案システムが,よく制御されたシナリオにおける正しさの89.81%の平均グローバル精度で,衝突を検出することができることを示唆した。提案したアンサンブルの有効性を,意思決定のためのカメラの1つだけの使用と比較して曝露する。最後に,提案システムは実時間で衝突を検出し,低応答時間を達成することを示した。Copyright Brazilian Society for Automatics--SBA 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  相互作用 ,  安全性 ,  意思決定 ,  自動化 ,  学習モデル ,  ネットワーク ,  *ロボット ,  基地局 ,  二次元 ,  ロボットアーム ,  エージェント
準シソーラス用語： アンサンブル学習 ,  *衝突検出 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人間-ロボット協調 ,  衝突検出 ,  深層学習 ,  転移学習 ,  アンサンブル

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (5件)： 深層学習 ,  人間 ,  ロボット ,  協調 ,  衝突検出