文献

J-GLOBAL ID：202202281689490974   整理番号：22A0832922

地球外探査のための自律衝突回避サンプル把握方法【JST・京大機械翻訳】

Autonomous collision avoidance sample grasping method for extraterrestrial exploration

著者 (6件)： Huang Huang (Beijing Institute of Control Engineering, Beijing, 100094, China) ,  Xie Xinru (Beijing Institute of Control Engineering, Beijing, 100094, China) ,  Tang Liang (Beijing Institute of Control Engineering, Beijing, 100094, China) ,  Liu Hao (Beijing Institute of Control Engineering, Beijing, 100094, China) ,  Liu Nailong (Beijing Institute of Control Engineering, Beijing, 100094, China) ,  Li Mou (Beijing Institute of Control Engineering, Beijing, 100094, China)
資料名： Acta Astronautica  (Acta Astronautica)
巻： 193  ページ： 303-310  発行年： 2022年 
JST資料番号： B0035B  ISSN： 0094-5765  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 地球外体からのサンプル採取は深宇宙科学探査にとって非常に重要である。本論文では,安全,緩やかでロバストな方法で,非構造化地球外表面から未知の自然サンプルを収集する自律把持法を提案した。深い強化学習に基づくエンドツーエンド把持姿勢推定フレームワークを設計した。提案フレームワークは入力として視覚情報を取り上げ,適切な把持戦略を学習する。特徴抽出深ニューラルネットワークと強化学習ポリシーネットワークを同時に訓練して,地球外検出器のための軽量ネットワークを得た。一方,把持中の損傷からサンプルを保護するために,衝突検出を訓練中に閉ループに取り込んだ。把持戦略をシミュレーションで訓練し,次に実世界に移した。シミュレーションと実世界の実験は,学習された政策が,単一,散乱,およびクラッタシーンの下で,衝突のより少ない時間と高い把持成功率で,不調の不規則な石に順応できることを示した。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： 情報 ,  推定 ,  ネットワーク ,  *地球 ,  ニューラルネットワーク ,  特徴抽出 ,  エンドツーエンド方式 ,  検出器 ,  クラッタ ,  ロバスト性 ,  強化学習 ,  *衝突回避
準シソーラス用語： 自律性 ,  深宇宙 ,  姿勢推定 ,  視覚情報 ,  衝突検出 , 【Automatic Indexing@JST】

著者キーワード (4件)： ロボット把持 ,  地球外探査 ,  深層強化学習 ,  衝突回避

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 地球 ,  探査 ,  自律 ,  衝突回避 ,  サンプル ,  把握