文献

J-GLOBAL ID：202202284035231755   整理番号：22A0979217

精密グリップリフティング運動のための力予測方式【JST・京大機械翻訳】

Force-prediction Scheme for Precise Grip-lifting Movements

著者 (3件)： Koskinopoulou Maria (Hellas (FORTH),ICS, Foundation for Research and Technology,Heraklion,Greece) ,  Falco Pietro (ABB, Corporate Research,Vasteras,Sweden) ,  Trahanias Panos (Hellas (FORTH),ICS, Foundation for Research and Technology,Heraklion,Greece)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICARA  ページ： 103-107  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,高感度力ベース操作タスクを実行するための,新しいスーパービジョン学習方式を提案した。SLFと呼ばれる提案スキームを3段階プロセスとして定式化した:(a)十分な訓練データを取得するためのシミュレーションにおける教師付き試行実行;(b)適切なロボットアーム姿勢とリフティング力による把握学習を容易にする訓練;(c)シミュレーションでの把握実行。その結果,シミュレーションされたものに加えて,実際の環境における操作は,試行セッションに含まれていないオブジェクトに対しても一般化された。提案した学習スキームは,類似の接触摩擦係数を持つ異なる物体に対して,また,把持姿勢のように,適用力が変化するオブジェクトリフティングタスクにおいて実証された。マニピュレータのYuMiに関する実験結果は,ロボットが,学習が達成される後に,要求リフティングと操作タスクを効果的に再現できることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  摩擦係数 ,  *学習 ,  ロボット ,  マニピュレータ ,  高感度 ,  定式化 ,  ロボットアーム
準シソーラス用語： 訓練データ ,  スーパービジョン , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 運動 ,  力 ,  予測