로봇공학

Iniciar sesión

Stem-OB는 사전 훈련된 이미지 확산 모델의 역변환 프로세스를 활용하여 저수준 시각적 차이를 억제하는 동시에 고수준 장면 구조를 유지함으로써 시각적 모방 학습의 일반화 능력을 향상시키는 방법입니다.

TacEx는 NVIDIA Isaac Sim에서 GelSight 촉각 센서를 시뮬레이션하기 위한 모듈식 프레임워크로, 강체 및 GIPC 기반 소프트 바디 시뮬레이션을 활용하여 사실적인 촉각 정보를 생성하고 강화학습을 위한 다양한 환경을 제공합니다.

본 논문에서는 비선형 의견 다이나믹스와 타원형 극한 주기를 갖는 잠재적 필드를 결합하여 로봇이 인간과 공유된 공간에서 안전하고 효율적이며 사회적으로 수용 가능한 방식으로 이동할 수 있도록 하는 새로운 사회적 인지 로봇 내비게이션 프레임워크를 제안합니다.

복잡한 지형에서 민첩한 이동을 가능하게 하기 위해, 본 연구에서는 4족 보행 로봇을 위한 온라인 전방향 점프 궤적 계획 프레임워크를 제안하며, 실시간 궤적 최적화, 궤적 추적 제어 및 능동 준수 랜딩 제어를 포함한 포괄적인 접근 방식을 제시합니다.

본 논문에서는 로봇이 햅틱 지표를 사용하여 혼잡한 환경에서도 효율적인 물체 조작을 계획하는 방법을 제시합니다. 특히, 혼잡한 책장에 책을 삽입하는 시나리오를 통해 제안된 방법의 효과를 입증합니다.

본 논문에서는 다양한 환경에서 빠르고 안전한 쿼드로터 내비게이션을 위한 새로운 접근 방식을 제안하며, 이는 제한된 시야를 가진 RGB-D 카메라와 포워드 아크 모션 프리미티브 라이브러리를 활용하여 복잡한 환경에서도 충돌 없이 최대 6m/s의 속도를 달성합니다.

본 논문에서는 로봇의 이동 계획 및 제어를 위해 모델의 복잡도를 작업에 따라 적응적으로 조절하는 새로운 모델 예측 제어 (ACMPC) 방식을 제안합니다.

단순 모방 학습만으로는 정밀 조립과 같은 고정밀 작업을 수행하기에 충분하지 않으며, 잔차 강화 학습을 통해 행동 복제 모델을 개선하여 로봇의 조립 성공률을 높일 수 있다.

본 논문에서는 사전 정보 없이 알 수 없는 환경에서도 모바일 로봇이 안전하게 작동하고 주어진 작업을 완료할 수 있도록 순간 로컬 센서 데이터를 활용한 안전한 피드백 모션 플래닝(SFMP) 전략을 제안합니다.

미분 가능한 시뮬레이션에서 분석적 기울기를 사용하여 학습된 로봇 제어 정책은 실제 사족 보행 로봇에 성공적으로 전이될 수 있으며, 이는 부드러운 접촉 모델을 통해 가능해졌습니다.

Acerca de

Productos

Recursos