Autonomous Motion Generation Based on Reliable Predictability
Autonomous Motion Generation Based on Reliable Predictability
复制标题
基于可靠可预测性的自主运动生成
DOI：
10.20965/jrm.2009.p0478
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
HIroshi G. Okuno
中科院分区：
文献类型：
--
作者：
S. Nishide;T. Ogata;J. Tani;Kazunori Komatani;HIroshi G. Okuno
可预测性是生成对象操作运动的重要因素。在本文中，作者提出了一种技术，以产生自主的物体推动运动的基础上，对象动力学的一致性，这是紧密相连的可靠的可预测性。该技术首先使用具有参数偏差的循环神经网络，基于提取的对象特征和在对象主动传感体验期间获取的生成机器人运动的转变，创建机器人和对象动态的内部模型。接下来，该技术通过使用最速下降法的一致性评价函数来搜索模型中最一致的对象动态和相应的机器人运动。最后，使用分层神经网络将对象的初始静态图像链接到所获得的机器人运动。作者进行了一个运动生成实验，使用推运动与圆柱形物体的方法进行评估。实验结果表明，该方法具有较强的适应物体姿态的能力，能够产生一致的滚动运动。
Predictability is an important factor for generating object manipulation motions. In this paper, the authors present a technique to generate autonomous object pushing motions based on object dynamics consistency, which is tightly connected to reliable predictability. The technique first creates an internal model of the robot and object dynamics using Recurrent Neural Network with Parametric Bias, based on transitions of extracted object features and generated robot motions acquired during active sensing experiences with objects. Next, the technique searches through the model for the most consistent object dynamics and corresponding robot motion through a consistency evaluation function using Steepest Descent Method. Finally, the initial static image of the object is linked to the acquired robot motion using a hierarchical neural network. The authors have conducted a motion generation experiment using pushing motions with cylindrical objects for evaluation of the method. The experiment has shown that the method has generalized its ability to adapt to object postures for generating consistent rolling motions.
基于面向对象行为学习的词典获取
DOI：
--
发表时间：
2006
期刊：
Advanced Robotics 20, 10
影响因子：
--
作者：
Shinya Takamuku;Yasutake Takahashi;Minoru Asada
通讯作者：
Minoru Asada
影响因子：
4.3
作者：
Yamashita, Yuichi;Tani, Jun
通讯作者：
Tani, Jun