• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE/RSJ International Conference on Intelligent Robots and Systems >Learning task-specific models for dexterous, in-hand manipulation with simple, adaptive robot hands
【24h】

Learning task-specific models for dexterous, in-hand manipulation with simple, adaptive robot hands

机译：通过简单的自适应机器人手学习特定于任务的模型，以进行灵巧的手动操作

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

摘要

In this paper, we propose a hybrid methodology based on a combination of analytical, numerical and machine learning methods for performing dexterous, in-hand manipulation with simple, adaptive robot hands. A constrained optimization scheme utilizes analytical models that describe the kinematics of adaptive hands and classic conventions for modelling quasistatically the manipulation problem, providing intuition about the problem mechanics. A machine learning (ML) scheme is used in order to split the problem space, deriving task-specific models that account for difficult to model, dynamic phenomena (e.g., slipping). In this respect, the ML scheme: 1) employs the simulation module in order to explore the feasible manipulation paths for a specific hand-object system, 2) feeds the feasible paths to an experimental setup that collects manipulation data in an automated fashion, 3) uses clustering techniques in order to group together similar manipulation trajectories, 4) trains a set of task-specific manipulation models and 5) uses classification techniques in order to trigger a task-specific model based on the user provided task specifications. The efficacy of the proposed methodology is experimentally validated using various adaptive robot hands in 2D and 3D in-hand manipulation tasks.
机译：在本文中，我们提出了一种基于分析，数值和机器学习方法相结合的混合方法，可通过简单，自适应的机器人手执行灵巧的手部操纵。一种受约束的优化方案利用描述自适应手的运动学的分析模型和经典约定对准问题进行准静态建模，从而提供有关问题力学的直觉。为了分散问题空间，使用了机器学习（ML）方案，从而得出了特定于任务的模型，这些模型说明了难以建模的动态现象（例如滑移）。在这方面，机器学习方案：1）使用仿真模块以探索特定手对象系统的可行操纵路径，2）将可行路径馈送到以自动化方式收集操纵数据的实验装置，3 ）使用聚类技术将相似的操纵轨迹分组在一起; 4）训练一组特定于任务的操纵模型; 5）使用分类技术以基于用户提供的任务规范触发特定于任务的模型。在2D和3D手中操作任务中使用各种自适应机器人手，通过实验验证了所提出方法的有效性。

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