文献

J-GLOBAL ID：202202268631728171   整理番号：22A0923657

人間の組立スキルを学習するための方向軌跡と力トルクプロファイルの一般化【JST・京大機械翻訳】

Generalization of orientation trajectories and force-torque profiles for learning human assembly skill

著者 (4件)： Ti Boyang (State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin 150001, China) ,  Gao Yongsheng (State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin 150001, China) ,  Shi Ming (State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin 150001, China) ,  Zhao Jie (State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin 150001, China)
資料名： Robotics and Computer-Integrated Manufacturing  (Robotics and Computer-Integrated Manufacturing)
巻： 76  ページ： Null  発行年： 2022年 
JST資料番号： H0987A  ISSN： 0736-5845  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 産業タスクにおけるシステムモデルの構築は,特に多重センシング情報が含まれる場合に困難である。ペッグインホールタスクは工業生産において典型的に複雑である。正確に異なる組立状態をモデル化することは難しい。実証からの学習は,人間の実証に基づくモデリングプロセスを単純化できる。本論文では,ロボットに新しい種類のアセンブリスキルを転送する。組立の方向性を直感的に表現するために,著者らは,方向余弦と回転マトリックスに基づく組立角度という新しい表現を提案して,それは良い微分性能を提供して,特異点問題を避けた。一方,この手法は動的制約動的運動プリミティブ(DC-DMPs)法によって符号化でき,運動一般化中の組立角度間の制約を考慮するために提案された。RBFネットワークを用いて力-トルク情報を一般化し,力-トルクプロファイル予測の精度を改善した。視覚システムを利用して,穴を正確に位置決めするためにアドミタンス制御を適用した。この提案した組立スキル学習フレームワークは,姿勢のランダム偏差からタスクを完了することができ,現実的な組立シナリオに適している。この方法の一般化能力を検証するために,2種類の材料のペグを設計し,初期姿勢の偏差を小から大まで設定した。成功率は,高剛性組立で93.75%,低剛性組立で86.25%であった。結果は,ペッグインホールタスクにおける著者らの方法の有効性を検証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  簡素化 ,  *組立 ,  ロボット ,  *トルク ,  微分 ,  システムモデル ,  多重化 ,  特異点 ,  有効性 ,  工業生産 ,  制約条件 ,  動径基底関数ネットワーク
準シソーラス用語： アドミタンス ,  高剛性 , 【Automatic Indexing@JST】

著者キーワード (4件)： デモンストレーションからの学習 ,  ロボット技能学習 ,  ペグインホール組立 ,  動きの一般化

分類 (1件)： 機械の組立  (QC05000F)

タイトルに関連する用語 (7件)： 人間 ,  組立 ,  スキル ,  学習 ,  軌跡 ,  力 ,  一般化