AI视野·今日CS.Robotics 机器人学论文速览
Tue, 22 Jun 2021
Totally 17 papers
👉上期速览✈更多精彩请移步主页
| PHYSFRAME: Type Checking Physical Frames of Reference for Robotic Systems Authors Sayali Kate, Michael Chinn, Hongjun Choi, Xiangyu Zhang, Sebastian Elbaum 机器人系统在运行期间不断测量自己的运动和外部世界。这种测量是关于一些参考框架，即坐标系。非活动机器人系统具有大量不同的帧，并且数据必须从帧来回转换到另一个。 ONU是开发人员，以获得这样的翻译权。然而，这是非常具有挑战性的，易于出错，通过与开发人员论坛的框架使用有关的大量问题和问题证明了。由于任何状态变量都可以与某些帧相关联，因此参考帧可以自然地建模为可变类型。因此，我们开发了一种新颖的类型系统，可以自动推断变量框架类型，然后检测任何类型的不一致性和违反帧约定的行为。对一组180个公共可用ROS项目的评估表明，我们的系统可以检测190个不一致，具有154个真正的正面。我们向开发人员报告了52名，到目前为止收到了18个回复，有15个固定承认。我们的技术还发现45项违反普通实践。 |
| Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots Authors Dan Jia, Alexander Hermans, Bastian Leibe 人口流经环境中导航的移动机器人是鉴于其准确的深度测量和大视野，LIDAR传感器对移动机器人进行了一个关键任务。本文研究了现有的基于LIDAR的人探测器，特别关注移动机器人场景。与驾驶场景相比，服务机器人或社会机器人，在那里观察到人员更频繁地观察到更频繁的范围。我们使用最近发布的千斤顶数据集和基于3D或2D激光雷达传感器中心点和DR Spaam的最近发布的Jackrabbot DataSet和现有技术的状态进行了一系列实验。这些实验围绕了驾驶和移动机器人场景之间的域间隙，以及3D和2D激光雷达传感器之间的模态差距。对于域间隙，我们的目标是了解驾驶数据集上备用的探测器是否可以在移动机器人方案上实现良好的性能，目前没有培训的型号随时可用。对于模态差距，我们比较使用3D或2D LIDAR的探测器，从各个方面，包括性能，运行时，本地化准确性，鲁棒性与范围和拥挤。我们的实验结果提供了对基于LIDAR的人员检测的实用洞察，并促进相关的移动机器人设计和应用的知情决策。 |
| Towards a Framework for Changing-Contact Robot Manipulation Authors Saif Sidhik, Mohan Sridharan, Dirk Ruiken 许多机器人操作任务要求机器人与物体和表面打破接触。当制造或破坏接触时，这种变化的接触机器人操纵任务的动态是不连续的，并且在其他地方连续。这些不连续性使得难以构造和使用单个动力学模型或控制策略来进行任何此类任务。我们介绍了一种平稳动态和控制这种变化的联系操作任务的框架。对于任何给定的目标运动轨迹，框架逐步提高其对触点发生时的预测。这种预测和与冲击力的逼近速度相关的模型改变运动序列的速度分布，使得它是C漂流度的，有助于实现所需的冲击力。我们通过构建我们的混合动力运动可变阻抗控制器来实现此框架，用于连续联系任务。我们在实验中评估我们的框架在滑动任务的说明性上下文中，涉及多种接触改变的涉及不同性质的表面之间的过渡。 |
| Investigating the role of educational robotics in formal mathematics education: the case of geometry for 15-year-old students Authors J r me Brender, Laila El Hamamsy, Barbara Bruno, Fr d rique Chessel Lazzarotto, Jessica Dehler Zufferey, Francesco Mondada 研究表明，教育机器人呃增强了学生表现，兴趣，参与和协作。然而，到目前为止，在正规教育中采用机器人仍然相对稀缺。在其他原因之外，这是由于难以确定教育机器人学习活动与课程所设想的学习成果的对准，以及与在教师实践中完全建立的传统非机器人学习活动的集成。这项工作通过采用晶胞机器人和划痕编程的准实验研究，调查了ER进入正式数学教育，以教授几何到两类15岁学生，共26名参与者。解决了三个研究问题1应该是基于ER的理论讲座，成功或取代了传统的理论讲座2，在讲座的讲座和练习中，学生的感知和参与的学生在学生对数学的升值升值的情况下不同的事件结果表明，ER活动与传统帮助学生掌握相关理论概念一样有效。机器人活动在运动课程中似乎特别有益，学生自由选择进行机器人的练习，评为他们的练习，比传统的同行更具有趣和有用，并表达了对其他数学讲座引入ER的兴趣。最后，结果通常在学生之间一致，类似于数学，表明如何使用机器人作为扩大从事学科的学生人数的手段。 |
| On the Importance of Environments in Human-Robot Coordination Authors Matthew C. Fontaine, Ya Chuan Hsu, Yulun Zhang, Bryon Tjakana, Stefanos Nikolaidis 在研究与人类合作的机器人时，大部分焦点一直涉及机器人政策，这些政策在协作任务中与人类队友流利地协调。但是，较少的重点是环境对协调行为的影响。为了彻底探索导致不同行为的环境，我们提出了一个程序生成的框架，该环境的一代环境是一个风貌地类似的人类创作环境，2个保证由人体机器人团队解决，3种多样化的协调措施。我们通过仿真和在线用户学习分析综合基准域中的程序生成的环境。结果表明，即使机器人运行相同的规划算法，环境也会导致具有定性不同的新出现行为和协作流畅度量的统计学意义差异。 |
| Guiding vector fields in Paparazzi autopilot Authors Hector Garcia de Marina, Murat Bronz, Gautier Hattenberger 本文是关于基于Vector Fields的两种不同指导系统的技术报告，该系统可以在Paparazzi在Paparazzi Autopilot中找到。引导载体场允许自动车辆在数学上跟踪用户描述的路径。特别地，我们允许具有隐式或参数函数的路径的两种描述。每个描述与其相应的引导载体场算法相关联。两种算法的实现足以在现代微控制器中运行。我们将涵盖关于他们如何工作的基本理论，用户如何在Paparazzi中实现自己的路径，如何利用它们来协调多辆车，我们使用一些实验结果完成。虽然所提出的实施集中在固定翼飞机上，但指导也适用于其他种类的航空车如旋翼飞行器。 |
| Image-guided Breast Biopsy of MRI-visible Lesions with a Hand-mounted Motorised Needle Steering Tool Authors Marta Lagomarsino 1,2 , Vincent Groenhuis 1 , Maura Casadio 2 , Marcel K. Welleweerd 1 , Francoise J. Siepel 1 , Stefano Stramigioli 1 1 Robotics and Mechatronics RAM Laboratory, University of Twente, Enschede, The Netherlands 2 DIBRIS, University of Genoa, Genoa, Italy 活组织检查是乳腺癌准确组织学确认的唯一诊断程序。当超声刻录物不可行时，通常优选磁共振成像MRI引导活检。缺乏实时成像信息和乳房的变形使其具有挑战性地使针头精确地朝着预介入磁共振MR图像中检测到的肿瘤。目前的手动MRI引导活检工作流是不准确的，并且可以受益于允许在针插入期间实时跟踪和定位肿瘤病变的技术。本文提出了一种机器人设置和软件架构，以帮助放射科医师瞄准检测到的可疑肿瘤。该方法从术前图像的图像融合与患者皮肤附着的标记的术中光学跟踪的图像融合有益。一种手动安装的活组织检查装置已经构造有致动的针底座，以使尖端朝向所需的方向驱动。可以通过用户输入和计算机引导来提供转向命令。通过幻影实验验证工作流程。平均而言，可疑乳房病变靶向半径下降至2.3毫米。结果表明，考虑到乳房变形的机器人系统有可能解决这一临床挑战的潜力。 |
| HapFIC: An Adaptive Force/Position Controller for Safe Environment Interaction in Articulated Systems Authors Carlo Tiseo, Wolfgang Merkt, Keyhan Kouhkiloui Babarahmati, Wouter Wolfslag, Ioannis Havoutis, Sethu Vijayakumar, Michael Mistry 触觉相互作用对于动物的动态灵巧是必不可少的，它可以使用从他们的预言中的力反馈无缝地从阻抗到导入行为切换。然而，这种能力在机器人中繁殖是极其挑战，特别是在处理复杂的交互动态，分布式触点和接触切换时。基于模型的基于模型的控制器需要准确的交互建模来解释接触并稳定互动。在该稿件中，我们提出了一种自适应力位置控制器，该自适应力位置控制器利用分形阻抗控制器S的被动和非线性来执行来自末端执行器的传感器的力反馈信号执行有限搜索算法。该方法在计算上廉价，打开未来处理分布式联系人的可能性。我们评估了物理模拟中的架构，并显示了控制器可以强大地控制与不同动态的对象的交互，而不会违反最大允许目标力或即使对于非常刚性物体而导致数值不稳定。建议的控制器还可以自主地处理联系人切换，并且可以在多个领域中找到应用程序，例如有腿的运动，康复和辅助机器人。 |
| Grasping Benchmarks: Normalizing for Object Size \& Approximating Hand Workspaces Authors John Morrow, Nuha Nishat, Joshua Campbell, Ravi Balasubramanian, Cindy Grimm 机器人手设计的各种景观使得难以为如何测量手尺寸和传达它可以掌握的物体的大小来设置标准。定义一致的工作空间测量将极大地帮助机器人抓握研究的科学通信，因为它将研究人员能够以人类可读方式定量地将物体的相对尺寸与手部和2近似于人类可读方式的功能子空间。本文的目标是指定测量过程，该测量过程可以为精度和功率掌握来定量捕获手的工作空间大小。该测量程序使用基于假设对象的通用掌握场景的EM功能方法，以使程序尽可能宽大，无论实际手动设计如何。这种功能方法允许测量器选择满足通用掌握方案的精确指状配置和接触点，同时确保测量是功能上的可比性。我们展示了七个手配置上的这些功能测量。 GitHub存储库中提供了额外的手测量和指令。 |
| High-level Features for Resource Economy and Fast Learning in Skill Transfer Authors Alper Ahmetoglu, Emre Ugur, Minoru Asada, Erhan Oztop 抽象是智能的一个重要方面，使得代理能够构建有效决策的强大表示。在过去的十年中，由于他们形成了越来越复杂的抽象，因此被证明是生效的深网络。然而，这些抽象分布在许多神经元上，使得重复使用学习技能。以前的工作要么强制形成抽象，创建设计师偏置，或者使用大量神经单元，而无需调查如何获得可能更有效地捕获源任务的高级功能。为了避免设计师偏见和未遵守资源使用，我们建议利用神经响应动态来形成用于技能转移的紧凑型表示。为此，我们考虑了基于1最大信息压缩原理的两个竞争方法，以及抽象事件倾向于产生缓慢改变信号的概念，并将它们应用于任务执行期间生成的神经信号。要具体，在我们的仿真实验中，我们要么应用主成分分析PCA或慢速特征分析SFA，但在它执行源任务时从最后一个隐藏层收集的信号上，并使用这些功能进行技能转移新目标任务。我们将这些替代品的泛化性能与完整的层输出和无传输设置进行了完整的技能转移基线。我们的研究结果表明，SFA单位是技能转移最成功的。与通常的技能转移相比，SFA以及PCA，较少的资源，其中许多单元形成了反映了反射末端执行器障碍目标关系的局部响应。最后，具有最低特征值的SFA单元类似于与高级特征（例如接合角度）高度相关的符号表示，这可能被认为是完全符号系统的前体。 |
| Exoskeleton-Based Multimodal Action and Movement Recognition: Identifying and Developing the Optimal Boosted Learning Approach Authors Nirmalya Thakur, Chia Y. Han 本文对基于外骨骼的动作和运动识别的领域进行了两个科学贡献。首先，它提出了一种新颖的机器学习和模式识别的基于模式识别，可以检测各种动作和动作走路，走楼上，走楼下，坐着，站立，躺着，站立，坐在谎言，撒谎，坐着坐下来，站在撒谎，撒谎，以总体准确性为82.63。其次，它呈现了不同学习的全面比较研究随机森林，人工神经网络，决策树，多道决策树，支持向量机，knn，梯度提升树木，决策树桩，自动MLP，线性回归，矢量线性回归，随机树，Na Ve Bayes，Na Ve贝雷斯核，线性判别分析，二次判别分析，以及应用于本框架的深度学习。通过使用Adaboost算法提高了每个学习方法的性能，并且使用交叉验证方法进行培训和测试。结果表明，在升压形式中，K NN分类器优于所有其他提升的学习方法，因此是为此目的的最佳学习方法。结果提出并讨论了这项工作的重要性，促进了在基于事物互联网上的老年人的助理和独立生活的基于识别和独立生活的重要性，例如智能家庭。作为一个具体用例，我们还讨论了我们工作的发现如何与增强杂种辅助肢体外骨骼的能力，这是一种高稳定的下肢外骨骼。 |
| Sample Efficient Social Navigation Using Inverse Reinforcement Learning Authors Bobak H. Baghi, Gregory Dudek 在本文中，我们提出了一种算法，可以从人类轨迹的观察中有效地学习社会兼容的导航政策。随着移动机器人来到居住和交通社会空间，他们必须考虑社会提示并以社会合规的方式表现。我们专注于从示例中学习此类提示。我们描述了一种基于逆强化学习的算法，其从人类轨迹观察中学习而不知道他们的特定行动。我们通过利用在许多OFF策略强化学习方法中找到的重放缓冲区的概念来增加替代方法的方法的样本效率，以消除与反增强学习相关的额外样本复杂性。我们通过使用公开的行人运动数据集来评估我们的方法，并将其与相关方法进行比较。我们表明我们的方法在降低训练时间和样本复杂性的同时产生更好的性能。 |
| Verifying Safe Transitions between Dynamic Motion Primitives on Legged Robots Authors Wyatt Ubellacker, Noel Csomay Shanklin, Tamas G. Molnar, Aaron D. Ames 功能自主系统通常通过利用由离散的原始行为和这些行为之间的转换组成的状态机来实现复杂的任务。这种架构在准静态和动态独立系统的背景下广泛研究。然而，尽管对单个动态原始行为进行了广泛的研究，但这种概念对动态系统的应用相对稀少，我们称之为运动原语。本文正式地确定了一个过程，以确定安全性原语之间的动态状态知识条件，安全性原语在安全范围内。结果被构成为运动原始图形，可以通过标准图形搜索和计划算法来实现功能自主权。为了展示这一框架，包括站立，行走和跳跃的动态运动原语以及这些行为之间的过渡在四足球鞋机器人上实现了实验性。 |
| Attention-based Neural Network for Driving Environment Complexity Perception Authors Ce Zhang, Azim Eskandarian, Xuelai Du 环境感知对于自主车辆AV安全至关重要。大多数现有的AV感知算法尚未研究周围环境复杂性，并且无法包含环境复杂性参数。本文提出了一种基于新的神经网络模型，以预测周围驾驶环境的复杂程度。所提出的模型采用自然主义驾驶视频和相应的车辆动态参数作为输入。它由YOLO V3对象检测算法，热图生成算法，基于CNN的特征提取器和基于CNN的关注的特征提取器，用于视频和时间序列车辆动态数据输入以提取特征。来自所提出的算法的输出是周围环境复杂度参数。伯克利DeepDrive DataSet BDD数据集和主观标记的周围环境复杂度级别用于模型培训和验证以评估算法。基于提出的网络的网络达到了91.22平均分类准确性，以分类周围环境复杂性。它证明了环境复杂程度可以准确预测和应用未来的AVS环境感知研究。 |
| Come back when you are charged! Self-Organized Charging for Electric Vehicles Authors Benjamin Leiding Dwindling不可再生的燃料储备，进展严重的环境污染，加速气候变化需要社会重新评估现有的运输概念。虽然电动汽车EVS变得更加流行并且慢慢获得广泛的采用，但相应的电池充电基础设施仍然限制了我们日常生活中的EVS使用。对于没有选择在其场所运营充电硬件的EV业主尤其如此。在没有Home Wall Box的情况下为EV充电是耗时的，因为店主必须开车到充电器，在等待附近时向车辆充电，最后开车回家。因此，需要方便且易于使用的解决方案来克服该问题并激励每日通勤者的EVS。因此，我们提出了一个生态系统和一个用于半自动电动汽车的服务平台，使他们能够利用他们的空闲时间，例如，在晚上，访问公共和私人收费基础设施，为他们的电池充电，并在所有者需要之前回到家再次跑。为此，我们将机器的概念利用到经济M2X经济的一切，并概述了通过基于区块链，互动和协作的智能机器的分散化的生态系统，通过基于区块链的智能合同来实现了一个方便的电池充电市场，用于半自动EV。 |
| Learning Space Partitions for Path Planning Authors Kevin Yang, Tianjun Zhang, Chris Cummins, Brandon Cui, Benoit Steiner, Linnan Wang, Joseph E. Gonzalez, Dan Klein, Yuandong Tian 路径规划，有效地发现高奖励轨迹的问题，通常需要优化高维和多模式奖励功能。 CEM和CMA ES等流行方法贪婪地专注于搜索空间的有希望的区域，并且可能被困在局部最大值。 DOO和Voot平衡探索和开发，但使用空间分区策略与奖励功能无关进行优化。最近，LAMCTS经验学会以奖励敏感方式分区搜索空间，用于黑匣子优化。在本文中，我们开发了一种新的正式遗憾分析，用于何时以及为什么这样的自适应区域分区方案有效。我们还提出了一种新的路径规划方法Plalam，其改善了每个子区域内的功能值估计，并使用搜索空间的潜在表示。经验上，Plalam在2D导航任务中优于现有的路径规划方法，特别是在难以逃避本地Optima时，并且当用诸如宠物等规划组件插入模型时，显示好处。这些收益转移到高度多式数的现实世界任务，在编译器阶段，在0 1规模上以高达0.4的性能，在编译器阶段顺序的强力基线上优于高达245的强力基线。 |
| Learning to Reach, Swim, Walk and Fly in One Trial: Data-Driven Control with Scarce Data and Side Information Authors Franck Djeumou, Ufuk Topcu 我们在非常严格的数据限制下开发了一种基于学习的无名动态系统的控制算法。具体地，该算法只能从单个和正在进行的试验中访问流数据。尽管数据稀缺，我们通过一系列示例展示了该算法可以提供与培训数百万环境相互作用的强化学习算法相当的性能。它通过有效地利用有关动态的各种形式的侧面信息来实现这种性能，以降低样本复杂性。这些侧面信息通常来自系统的基本法律和系统的定性特性。更精确地，该算法大致解决了编码系统所需行为的最佳控制问题。为此，它构建并改进包含动态的未知矢量字段的差分夹杂物。在间隔泰勒基的方法中使用的差分包容使得能够过度近似系统可以达到的状态。从理论上讲，我们在已知动态的情况下建立了近似解的近似解决方案的界限。我们展示了试验或更侧面信息的时间越长，界限更严格。经验上，高保真F 16飞机模拟器和Mujoco S的实验，如到达者，游泳者和猎豹，说明了算法的效率。 |
| Chinese Abs From Machine Translation |
Papers from arxiv.org
更多精彩请移步主页
pic from pexels.com
