지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.1
- 수록면
- 44 - 53 (10page)
- DOI
- 10.5302/J.ICROS.2021.20.0099
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, the optimal griping point learning is conducted through the neural network with the input of point cloud data. The SG-DNN (Stable Grasping-Deep Neural Network) algorithm, which was applied only to the shapes classified as the “original type”, is extended to the real object and additionally composed of cost functions. Through this, a study was conducted to extract the optimal point for stable griping. Griping objects were simplified and limited to 10 types of shapes in the SG-DNN algorithm, and 4 cost functions were designed accordingly in order to extract the optimal griping point. However, when applying the method for an actual object, there was a limitation in deriving the optimal griping point. The content of the text uses a sample extracted from coordinate points through the point cloud data of a real object as the input of the neural network model. In comparison to the conventional method, a learning data set including dense surface area coordinates is constructed, leading to the extraction of a precise gripping point. The cost function was supplemented with cost functions for height, width, and rotation, and was designed to fit the actual object while including the cost function for the mass center according to the material and the gripper depth. The performance of the algorithm was verified by griping experiments involving real objects.
목차
Abstract
I. 서론
II. 그리퍼 시스템
III. SG-DNN 2.0
IV. SG-DNN 2.0 Neural Network 적용
V. 실험
VI. 결론
REFERENCES
참고문헌 (18)
참고문헌 신청
J. Mahelr, J. Liang, S. Niyaz, M. Laskey, R. Doan, X. Liu, J. -A. Ojea, and K. Glodberg, “Dex-net 2.0: Deep learning to plan robust grips with synthetic point clouds and analytic grip metrics,” arXiv preprint arXiv:1703.09312, 2017.
C.-Bodnar, A.-Li, K.-Hausman, P.-Pastor, and M.-Kalakrishnan “Quantile qt-opt for risk-aware vision-based robotic grasping,” arXiv preprint arXiv:1910.02787, 2019.
K.-Bousmalis, A.-Irpan, P.-Wohlhart, Y.-Bai, M.-Kelcey, M.-Kalakrishna, D.-Laura, I.-Julian, P.-Peter, K.-Konolige, L.-Sergey, and V.-Vincent, “Using simulation and domain adaptation to improve efficiency of deep robotic Griping,” IEEE International Conference on Robotics and Automation (ICRA), pp. 4243-4250, 2018.
H.-J. Cho, J.-B. Song, Y.-B. Park, and I.-H. Seo, “Object recognition and grasping based on artificial intelligence,” Korea Robotics Society, vol. 16, no. 1, pp. 39-49, 2019.
F.-J. Chu, R.-Xu, and P.-A. Vela, “Real-world Multiobject, MultiGrip Detection,” IEEE Robotics and Automation Letters, vol. 3, no. 4, pp. 3355-3362, 2018.
C.-Bodnar, A.-Li, K.-Hausman, P.-Pastor, and M.-Kalakrishnan “Quantile qt-opt for risk-aware vision-based robotic grasping,” arXiv preprint arXiv:1910.02787, 2019.
K.-Bousmalis, A.-Irpan, P.-Wohlhart, Y.-Bai, M.-Kelcey, M.-Kalakrishna, D.-Laura, I.-Julian, P.-Peter, K.-Konolige, L.-Sergey, and V.-Vincent, “Using simulation and domain adaptation to improve efficiency of deep robotic Griping,” IEEE International Conference on Robotics and Automation (ICRA), pp. 4243-4250, 2018.
H.-J. Cho, J.-B. Song, Y.-B. Park, and I.-H. Seo, “Object recognition and grasping based on artificial intelligence,” Korea Robotics Society, vol. 16, no. 1, pp. 39-49, 2019.
F.-J. Chu, R.-Xu, and P.-A. Vela, “Real-world Multiobject, MultiGrip Detection,” IEEE Robotics and Automation Letters, vol. 3, no. 4, pp. 3355-3362, 2018.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Point Cloud기반의 Neural Network를 이용한 최적 파지 점 추출, PSG-DNN 알고리즘
대한전자공학회 학술대회
2020 .08
-
스마트웨어 자동화 그리핑 로봇의 헌팅 방지 연구
한국정밀공학회 학술발표대회 논문집
2022 .10
-
시간 효율성을 고려한 최적화 신경망 구조 탐색
대한전자공학회 학술대회
2018 .06
-
심층 신경회로망을 이용한 운전자 조향특성 분류에 대한 연구
대한전자공학회 학술대회
2022 .11
-
신경망의 계층 연관성 전파를 이용한 DNN 예보모델의 입력인자 분석
멀티미디어학회논문지
2021 .08
-
계층 연관성 전파를 이용한 DNN PM2.5 예보모델의 입력인자 분석 및 성능개선
멀티미디어학회논문지
2021 .10
-
DNN에서 효율적인 학습을 위한 활성화 함수에 대한 고찰
대한전자공학회 학술대회
2016 .11
-
Similarity based Deep Neural Networks
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2021 .09
-
안정적 로봇 파지를 위한 인공신경망
로봇학회 논문지
2019 .06
-
객체 모델링을 위한 특징점 추출 및 형태 분석
한국측량학회 학술대회자료집
2016 .04
-
Deep Neural Network 기반의 최적 조류 계산 연구
대한전기학회 학술대회 논문집
2022 .07
-
Characteristic Analysis of Data Preprocessing for 3D Point Cloud Classification Based on a Deep Neural Network: PointNet
비파괴검사학회지
2021 .02
-
고정밀지도기반 자율주행을 위한 실시간 동적 라이다 데이터 추출 알고리즘
한국자동차공학회 춘계학술대회
2021 .06
-
실내 이동로봇을 위한 거리 정보 기반 물체 인식 방법
제어로봇시스템학회 논문지
2015 .10
-
실시간 객체 탐지에서 심층 신경망 처리 시간 감소를 위한 활성화 함수 위치 변경
대한전자공학회 학술대회
2020 .11
-
Comparative Analysis of PM10 Prediction Performance between Neural Network Models
Journal of information and communication convergence engineering
2021 .12
-
다중 시점 RGB 영상의 심층 합성곱 신경망 기반 3 차원 형상 추정 방법
제어로봇시스템학회 논문지
2022 .07
-
생성적 적대 신경망 기반 3차원 포인트 클라우드 향상 기법
한국정보통신학회논문지
2021 .10
-
작은 물체 검출을 위한 딥러닝 네트워크 구조
한국자동차공학회 춘계학술대회
2021 .06
-
[AI-15] Real-Time Detection of Very Small Objects Using Deep Learning with Image Big Data
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2024 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
스마트팩토리 실행전략이 경영성과에 미치는 영향에 관한 연구
김현규
대한경영학회지
2020
.08
Purpose-based Delivery Robot Hybrid Control System Design Using Pixhawk and Edge Computing
Hisham Abdalla
,
Oualid Doukhi
,
Daemyeong Hong
외 1명
제어로봇시스템학회 논문지
2024
.05
딥러닝을 활용한 바퀴 기반 휴머노이드 로봇의 음성 명령 기반 객체 탐지 시스템 구현
정윤진
,
한지형
제어로봇시스템학회 논문지
2023
.02
외부 시스템을 이용한 Monocular camera-3D LiDAR 융합 시스템의 Non-overlapping 외부 교정 방법에 대한 연구
이동근
,
한재윤
,
임경일
제어로봇시스템학회 논문지
2022
.12
핫스탬핑 소재의 열간 피어싱 공정에서 펀치 전단각에 따른 전단면 특성 평가
전용준
,
최현석
,
강정진
외 2명
한국자동차공학회논문집
2020
.12
최근 본 자료
댓글(0)
0