【AI视野·今日Robot 机器人论文速览 第十一期】Mon, 21 Jun 2021
AI视野·今日CS.Robotics 机器人学论文速览Mon, 21 Jun 2021Totally 13 papers????上期速览✈更多精彩请移步主页Daily Robotics PapersSemantic navigation with domain knowledgeAuthors Rafael Gomes Braga, Sina Karimi, Ulrich Dah Achinano
·
AI视野·今日CS.Robotics 机器人学论文速览
Mon, 21 Jun 2021
Totally 13 papers
👉上期速览✈更多精彩请移步主页
Daily Robotics Papers
| Semantic navigation with domain knowledge Authors Rafael Gomes Braga, Sina Karimi, Ulrich Dah Achinanon, Ivanka Iordanova, David St Onge 移动机器人系统的几个部署位置是人类的，即城市消防员，建筑检查，财产安全和经理可以访问有关该地点的域具体知识，可以提供更好的推理和决策的语义上下影信息。在本文中，我们提出了一种系统，该系统允许移动机器人通过利用从部署位置利用语义信息并将其集成到机器人本地化和导航系统的语义信息中的位置感知机器人。我们将建筑信息模型BIM集成到机器人操作系统ROS中，以生成拓扑和指标地图，馈送到层次的路径策划全局和本地。地图合并算法将新发现的障碍集成到公制地图中，而基于UWB的本地化系统将检测到要注册的设备回到语义数据库。结果在建筑物和建筑工地的仿真和现实生活部署中验证。 |
| Position-based Dynamics Simulator of Brain Deformations for Path Planning and Intra-Operative Control in Keyhole Neurosurgery Authors Alice Segato, Chiara Di Vece, Sara Zucchelli, Marco Di Marzo, Thomas Wendler, Mohammad Farid Azampour, Stefano Galvan, Riccardo Secoli, Elena De Momi 机器人辅助手术中的许多任务都需要规划和控制与高度可变形物体相互作用的操纵器动作。本研究提出了一种基于基于位置的动态PBD模拟的现实，时间限制模拟器，其由于导管插入而嘲笑脑变形，以进行预操作路径规划和锁孔外科手术中的术语手术指导。它通过核算变形模型，嘈杂的感应和不可预测的致动来最大化成功的可能性。 PBD变形参数在平行六面体模拟模拟模拟模拟中初始化，以获得脑白物的合理启动猜测。通过将所获得的位移与复合水凝胶幽灵中的导管插入的变形数据进行比较，通过将所获得的位移进行比较来校准它们。了解灰质脑结构不同的行为，参数精细调整以获得广义人脑模型。将脑结构平均位移与文献中的值进行比较。模拟器的数值模型采用了一种关于文献的新方法，通过使用体内动物试验中的记录变形数据验证，它证明是一种与真实脑变形的匹配，其具有4.73m 2.15的平均不匹配。稳定性，准确性和实时性能使得该模型适用于为KN路径规划，预操作路径规划和帧内操作指导创建动态环境。 |
| Towards Robotic Laboratory Automation Plug & Play: The "LAPP" Framework Authors d m Wolf, David Wolton, Josef Trapl, Julien Janda, Stefan Romeder Finger, Thomas Gatternig, Jean Baptiste Farcet, P ter Galambos, K roly Sz ll 增加药物实验室和生产设施的自动化水平在为患者提供医学方面发挥着至关重要的作用。然而，这一领域的特殊要求使其充满适应其他行业中存在的尖端技术。本文概述了相关方法以及它们如何在制药行业中使用，特别是在发展实验室中。最近的进步包括能够处理复杂任务的灵活移动机械手的应用。但是，由于协议的多样性，将来自许多不同供应商的设备集成到终端自动化系统的端到端自动化系统。因此，已经考虑了标准化的各种方法，并提出了一种概念来进一步服用一步。该概念使移动操纵器能够使用视觉系统来学习每个设备的姿势，并利用来自通用云数据库的条形码获取接口信息。该信息包括控制和通信协议定义以及操作设备所需的机器人操作的表示。为了定义与设备相关的运动，除了条形码作为标准的基准标记之外，设备必须具有特征。在随访论文的适当研究活动之后，将详细说明该概念。 |
| Under the Sand: Navigation and Localization of a Small Unmanned Aerial Vehicle for Landmine Detection with Ground Penetrating Synthetic Aperture Radar Authors Rik B hnemann, Nicholas Lawrance, Lucas Streichenberg, Jen Jen Chung, Michael Pantic, Alexander Grathwohl, Christian Waldschmidt, Roland Siegwart 安装在一个小型无人空中飞行器上的地面穿透雷达是一个有助的工具，可以帮助人道主义地雷清关。然而，合成孔径雷达图像的质量取决于雷达天线的准确和精确运动估计以及与UAV产生信息性的观点。本文介绍了一个完整的自动的空气磨削的合成孔径雷达GPSAR系统。该系统由空间校准和时间上同步的工业级传感器套件组成，使得在地面，雷达成像和光学成像方面能够导航。自定义任务规划框架允许在地面上方控制的StripMap和圆形GPSAR轨迹的生成和自动执行以及空中成像调查飞行。基于因子曲线图的状态估计器熔断来自双接收器实时运动RTK全局导航卫星系统GNSS的测量和惯性测量单元IMU，以获得精确，高速平台位置和方向。地面真实实验显示传感器时机，尽可能精确为0.8μs，精确为0.1亩，定位速率为1 kHz。双位置因子配方与具有不确定标题初始化的单个位置因子相比，最多可提高40个高达40并批量定位精度。我们的实地试验验证了本地化准确性和精度，可实现连贯的雷达测量添加和检测埋在沙子中的雷达目标。这验证了作为鸟瞰着地区检测系统的潜力。 |
| Improved Radar Localization on Lidar Maps Using Shared Embedding Authors Huan Yin, Yue Wang, Rong Xiong 我们提出了一种解决雷达全球本地化的异构定位框架，并在预构建的激光雷达地图上进行跟踪。为了弥合传感方式的差距，构建深度神经网络以为雷达扫描和激光雷达地图创建共享嵌入空间。这里学习的特征嵌入对于相似性测量支持，从而分别改善MAP检索和数据匹配。在Robotcar和Mulran数据集中，我们展示了建议框架的有效性与扫描上下文和rall的比较。此外，与原始竞争相比，所提出的姿势跟踪管道具有较少的神经网络。 |
| Human-Aware Navigation Planner for Diverse Human-Robot Contexts Authors Phani Singamaneni LAAS RIS , Anthony Favier LAAS RIS , Rachid Alami LAAS RIS 随着更多机器人部署到人类环境中，人类感知导航计划程序需要处理在室内和室外环境中发生的多个上下文。在本文中，我们提出了一种可调谐人类意识的机器人导航计划，可以处理各种人类摩托背景。我们介绍了计划者的架构，并讨论了功能和一些实现细节。然后，我们对使用所提出的规划师的各种模拟人类摩托背景的详细分析以及一些定量结果。最后，在将系统部署到真正的机器人之后，我们在真实世界场景中显示了结果。 |
| Variable-Grasping-Mode Gripper With Different Finger Structures For Grasping Small-Sized Items Authors Tetsuyou Watanabe, Kota Morino, Yoshitatsu Asama, Seiji Nishitani, Ryo Toshima 这封信呈现出一种新型小夹具，能够从平坦的表面上抓住各种类型的小型物品，以便小型设备组装。使用单个执行器，所提出的夹具实现了两个抓握模式并联握把并翻过模式。夹具S模式可以通过与平坦表面的接触来切换，例如表。处理薄的厚度和轻量重是掌握小型物品的主要挑战。虽然并行夹持器在处理小物品方面有效，但是可以通过并行夹具掌握的物体的薄度限制。因此，采用过度模式抓住超过该阈值的物品。在翻转模式下，一根手指抬起物品，而另一个手指将物品从上方握住以防止它闪烁。所提出的夹具能够从桌子上拾取几种类型的物品，包括薄0.05mm和轻量级0.007g项目。 |
| Development of a conversing and body temperature scanning autonomously navigating robot to help screen for COVID-19 Authors Ryan Kim 在整个Covid 19大流行中，患者展示的最常见的症状发烧，导致使用温度扫描作为先发制人的措施来检测病毒的潜在载体。具有手持式温度计的人类员工已被用来履行这项任务，但这会使它们面临风险，因为它们不能物理偏移，这种方法的顺序性导致巨大的不便和效率低。该解决方案是一种自动导航的机器人，能够对话和扫描人们的温度来检测Covid 19的Fredes和帮助屏幕。为了满足这个目标，机器人必须能够自主，2检测和跟踪人员，3获取如果超过38℃，则个人温度读取和与它们相反。使用面部跟踪算法和由热摄像头，智能手机和聊天设备组成的端部执行器，使用自动导航移动机器人。目标是开发一个执行上述任务的功能解决方案。此外，将提出遇到的技术挑战及其工程解决方案，并将为在接近商业化时纳入的增强建议。 |
| Optimizing robotic swarm based construction tasks Authors Teshan Liyanage, Subha Fernando 自然界中的社会昆虫，如蚂蚁，白蚁和蜜蜂在非常有效的过程中协同地建立他们的殖民地。在这些群体中，每个昆虫都有助于分别显示各个实体的冗余和平行行为的施工任务。但是，这些群体行为的机器人适应尚未以足够的规模普遍使用，由于现有的群体机器人建设的局限性，以足够的规模，使其成为现实世界。本文介绍了一种方法，该方法结合了现有的群施工方法，这些方法导致群体机器人系统，能够以优化的方式构造给定的2尺寸形状。 |
| Virtual Temporal Samples for Recurrent Neural Networks: applied to semantic segmentation in agriculture Authors Alireza Ahmadi, Michael Halstead, Chris McCool 本文探讨了在农业机器人背景下执行时间语义细分的可能性，而没有时间标记的数据。我们通过建议从标记的静止图像生成虚拟时间样本来实现这一目标。这允许我们没有额外的注释工作，以产生几乎标记的时间序列。通常，为了训练经常性神经网络RNN，需要来自视频时间序列的标记样本，这是费力的，并且在这个方向上具有效仿的工作。通过生成虚拟时间样本，我们证明可以训练轻量级RNN以对两个具有挑战性的农业数据集进行语义分割。我们的结果表明，通过使用虚拟样品培训时间语义分段器，我们可以分别通过甜椒和甜菜Datasets上的4.6和4.9的绝对量增加性能。这表明我们的虚拟数据增强技术能够在不使用复杂的合成数据生成技术的情况下在时间上准确地对农业图像进行准确地分类农业图像，也不是标记大量时间序列的开销。 |
| Towards Distraction-Robust Active Visual Tracking Authors Fangwei Zhong, Peng Sun, Wenhan Luo, Tingyun Yan, Yizhou Wang 在积极的视觉跟踪中，当分散注意力出现的物体时，它是众所周知的困难，因为分散的人通常通过遮挡目标或带来令人困惑的外观来误导跟踪器。为了解决这个问题，我们提出了一个混合的合作竞争多代理游戏，其中目标和多个干扰者形成一个合作团队，以便对追踪者进行竞争，并使它无法遵循。通过在我们的游戏中学习，多样化分散注意力的分散注意力自然出现，从而揭示了跟踪器的弱点，这有助于提高跟踪器的分散稳健性。为了有效的学习，我们提出了一堆实用方法，包括奖励功能，为追踪者，跨莫代尔教师学生学习策略以及跟踪器的经常性注意机制。实验结果表明，我们的跟踪器执行所需的分散稳健的活动视觉跟踪，并且可以广泛地概括为未经看不见的环境。我们还表明，多代理游戏可用于对抗追踪器的稳健性。 |
| Learning to Plan via a Multi-Step Policy Regression Method Authors Stefan Wagner, Michael Janschek, Tobias Uelwer, Stefan Harmeling 我们提出了一种新的方法，可以在需要解决特定行动序列的环境中增加推理性能。这例如是确定最佳路径的迷宫环境的情况。我们希望学习能够预先预测N行动的策略来学习一步的策略。我们所提出的方法称为策略地平线回归PHR使用A2C采样的环境的知识来学习策略蒸馏设置中的N维策略向量，从而产生每个观察的N个顺序动作。我们通过成功预测单个观察的行动序列，在推理和PONG环境中测试我们的方法，并在推理时间内显示激增。 |
| Goal-Directed Planning by Reinforcement Learning and Active Inference Authors Dongqi Han, Kenji Doya, Jun Tani 目标导演和习惯行为之间的差异是什么，我们提出了一种与贝叶斯推断的决策决策框架，其中一切都被整合为整个神经网络模型。该模型学会通过采样随机内部状态Z来预测自我探索和产生电动机动作的环境状态转换。通过加强学习获得从Z的先前分配获得的习惯行为。通过使用主动推理来从Z的后部分布确定目标定向行为，以最小化目标观察的自由能。我们通过使用相机观测和连续电动机动作来展示所提出的框架的有效性。 |
| Chinese Abs From Machine Translation |
CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！
更多推荐
0
0- 0
已为社区贡献71条内容
所有评论(0)