MétaCan
Menu
Retour à la cohorte
Enregistrement W3033735261 · doi:10.1109/tro.2020.2987857

Vision-Based Robotic Traversal of Textureless Smooth Surfaces

2020· article· en· W3033735261 sur OpenAlexafffund
Patrick Keenan, Farrokh Janabi‐Sharifi, Akbar Assa

Notice bibliographique

RevueIEEE Transactions on Robotics · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Vision and Imaging
Établissements canadiensMagna International (Canada)Toronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVisual servoingComputer visionArtificial intelligenceTree traversalSurface (topology)Computer scienceFeature (linguistics)RobotMathematicsAlgorithmGeometry

Résumé

récupéré en direct d'OpenAlex

This investigation focuses on servoing a robot's tool with respect to a smooth workpiece surface by making use of the surface's characteristic local differential properties. A novel formulation for 6 degree-of-freedom (DoF) textureless visual servoing based on these properties is proposed, which extends an existing 3-DoF scheme. Our approach naturally combines the geometric tools of computer-aided design and machining (CAD/CAM) theory with the manipulator control tools of visual servoing synergistically to achieve full 6-DoF pose control. A novel family of observed feature sets and their associated interaction matrices are presented. A geometric condition on the surface shape is derived under which local asymptotic stability for 6-DoF is guaranteed. Validation of the proposed method is performed in simulation and experiment using an articulated desktop robot equipped with only a monocular camera and 16 laser pointers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,265
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on RoboticsMême sujetAdvanced Vision and ImagingTravaux en français237 207