• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Robotics and Automation Engineering >Friction from Reflectance: Transfer Learning Approach
【24h】

Friction from Reflectance: Transfer Learning Approach

机译：反思中的摩擦：转移学习法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Gathering knowledge about the world surrounding the robot is a crucial step towards the robot's autonomy. Part of that knowledge are the physical parameters of the objects, like stiffness, dumping or friction coefficients, which are critical for performing the interaction. Similarly to the human perception system, also for robots, vision is the sense that provides the most data, so one can consider whether it is possible to estimate the parameters mentioned above based on images. In this paper, we are proposing a new approach of estimating friction coefficient from vision, i.e. reflectance images. The solution is based on transfer learning. Understood here as the use of pre-trained networks to solve the friction estimation task. Our results surpass the state-off the art approach on a publicly available dataset. The paper first provides a short overview of the state of the art followed by the description of the dataset. Then, we describe our method and show the obtained results. Finally, the discussion of the results and conclusions are given.
机译：收集有关机器人周围世界的知识是迈向机器人自治的关键一步。这些知识的一部分是对象的物理参数，例如刚度，倾倒或摩擦系数，这对于执行交互至关重要。与人类感知系统相似，对于机器人来说，视觉也是提供最多数据的感觉，因此可以考虑是否可以基于图像估计上述参数。在本文中，我们提出了一种从视觉估计摩擦系数的新方法，即反射率图像。该解决方案基于迁移学习。这里理解为使用预训练的网络来解决摩擦估算任务。我们的结果在公开可用的数据集上超越了最新的方法。本文首先简要介绍了现有技术，然后介绍了数据集。然后，我们描述我们的方法并显示获得的结果。最后，对结果和结论进行了讨论。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号