http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : Farm Robot and Path planning (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
RGB-D 환경인식 시각 지능, 목표 사물 경로 탐색 및 심층 강화학습에 기반한 사람형 로봇손의 목표 사물 파지
류가현,오지헌,정진균,정환석,이진혁,Patricio Rivera Lopez,김태성 한국정보처리학회 2022 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.11 No.9
Grasping a target object among clutter objects without collision requires machine intelligence. Machine intelligence includes environmentrecognition, target & obstacle recognition, collision-free path planning, and object grasping intelligence of robot hands. In this work,we implement such system in simulation and hardware to grasp a target object without collision. We use a RGB-D image sensor to recognizethe environment and objects. Various path-finding algorithms been implemented and tested to find collision-free paths. Finally for ananthropomorphic robot hand, object grasping intelligence is learned through deep reinforcement learning. In our simulation environment,grasping a target out of five clutter objects, showed an average success rate of 78.8%and a collision rate of 34% without path planning. Whereas our system combined with path planning showed an average success rate of 94% and an average collision rate of 20%. In ourhardware environment grasping a target out of three clutter objects showed an average success rate of 30% and a collision rate of 97%without path planning whereas our system combined with path planning showed an average success rate of 90% and an average collisionrate of 23%. Our results show that grasping a target object in clutter is feasible with vision intelligence, path planning, and deep RL. 다중 사물 환경에서 목표 사물만의 정밀한 파지를 위해서는 장애물과의 충돌 회피 지능과 정교한 파지 지능이 필요하다. 이 작업을 위해선 다중사물 환경 인지, 목표 사물 인식, 경로 설정, 로봇손의 사물 파지 지능이 필요하다. 본 연구에서는 RGB-D 영상 센서를 이용하여 다중 사물 환경과사물을 인지하고 3D 공간을 매핑한 후, 충돌 회피 경로 탐색 알고리즘을 활용하여 목표 사물까지의 경로를 탐색 및 설정하고, 강화학습을 통해학습된 사람형 로봇손의 목표 사물 파지 지능을 활용해 최종적으로 시뮬레이션 및 하드웨어 사물 파지 시스템을 구현하고 검증하였다. 사람형 로봇손을구현한 시뮬레이션 환경에서 5개의 사물 중 목표 사물을 지정하고 파지한 결과 경로 탐색 없는 파지 시스템이 평균 78.8%의 성공률과 34%의 충돌률을보일 때, 경로 탐색 지능과 결합된 시스템은 평균 94%의 성공률과 평균 20%의 충돌률을 보였다. UR3와 QB-Soft Hand를 사용한 하드웨어 환경에서는3개의 사물 중 목표 사물을 지정하고 파지한 결과 경로 탐색 없는 파지 시스템이 평균 30%의 성공률과 97%의 충돌률을 보일 때, 경로 탐색 지능과결합된 시스템은 평균 90%의 성공률과 평균 23%의 충돌률을 보였다. 본 연구에서는 RGB-D 시각 지능, 충돌 회피 경로 탐색, 사물 파지 심층 강화학습지능의 결합을 통하여, 사람형 로봇손의 목표 사물 파지가 가능함을 제시하였다
-
Design of Mobile Robot for Real World Application in Path Planning Using ZigBee Localization
Natthapol Watthanawisuth,Adisorn Tuantranont,Teerakiat Kerdcharoen 제어로봇시스템학회 2014 제어로봇시스템학회 국제학술대회 논문집 Vol.2014 No.10
This paper proposes a new path planning algorithm for a mobile robot applicable for realistic uses in farmland, which utilizes ZigBee localization, GPS and simple path learning from the GPS-Tractor tracking. The aim of this work is to verify a possibility in applying the ZigBee localization with GPS to estimate the tracking position of a mobile robot working in a farmland. To enhance robot mobility in a large area, human-supervised decision is implicitly incorporated into the path guiding using tracking data from the GPS tractor. Such development combining other systems to help in path guiding instead of operating only the standalone software on mobile robot could reduce the complexity of the path planning in complex farmland. We have applied this technology in a real-world situation at GranMonte Vineyard and Winery, Thailand.
ScienceON
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
