マニピュレーションarXiv:1705.05116
重み付き損失によるモジュラーネットワークの微調整で手眼協調を改善
Tuning Modular Networks with Weighted Losses for Hand-Eye Coordination
独立に学習したモジュールからなる視覚運動ポリシーを、重み付き損失でエンドツーエンドに微調整し、ロボットの平面リーチングタスクの性能を向上させた。
著者: Fangyi Zhang, Jürgen Leitner, Michael Milford, Peter I. Corke
分類: cs.RO, cs.AI, cs.CV, cs.LG, cs.SY, eess.SY
原文アブストラクト
This paper introduces an end-to-end fine-tuning method to improve hand-eye coordination in modular deep visuo-motor policies (modular networks) where each module is trained independently. Benefiting from weighted losses, the fine-tuning method significantly improves the performance of the policies for a robotic planar reaching task.
関連論文
- 経験時代における実世界コード・アズ・ポリシー：ACE-CaP-0マニピュレーション
- 把持のアドミタンスによる入出力特性評価：設計パラメータと把持挙動の接続マニピュレーション
- ManiLadder：カテゴリ別・多難易度タスクラダーによるロボットマニピュレーションのベンチマークマニピュレーション
- 成功確率を変える事象を記憶する：Criticゲート付きイベントメモリによる長期的マニピュレーションマニピュレーション
- BiPOP: 長期的な両腕ロボット操作のための部分順序計画マニピュレーション
- RUMI: 拡張現実と触覚フィードバックを備えたRobotiq対応の汎用マニピュレーションインターフェースマニピュレーション
