Unser Ansatz verbessert die Präzision und Effizienz von Roboterkitting-Aufgaben durch eine feinkörnige Orientierungsschätzung, die eine SO(2)-äquivalente Netzwerkarchitektur mit einer Gruppendiskretisierung kombiniert.
Ein neuartiger Trajektorienoptimierungsansatz, D-Cubed, der ein latentes Diffusionsmodell nutzt, um leistungsfähige Trajektorien für komplexe Aufgaben der geschickten Verformungsmanipulation mit Roboterhänden zu generieren.
FOURTRAN, ein Ansatz zur Modellierung von SE(3)-Bi-Äquivalenz unter Verwendung von 3D-Faltungen und einer Fourier-Darstellung von Rotationen, ermöglicht eine deutlich höhere Stichprobenwirksamkeit bei der Lösung von 3D-Pick-and-Place-Aufgaben im Vergleich zu bestehenden Methoden.
Der Wert von Assistenz (Value of Assistance, VOA) ermöglicht es, den erwarteten Nutzen einer Beobachtung für die Verbesserung der Greifleistung eines Roboters zu quantifizieren. Dies unterstützt die Entscheidung, welche Beobachtungsaktion am hilfreichsten ist.
Durch den Einsatz von Taktilsensoren und kontrastiver Vorverarbeitung können Roboter komplexe Manipulationsaufgaben wie das Einstecken von Kabeln erlernen und ihre Leistung deutlich verbessern.
Durch eine zweistufige Optimierung der Roboterstellung und der Seilspannungen kann ReachBot robuste Manipulationsaufgaben in ungewissen Umgebungen und bei stochastischen Ausfallszenarien ausführen.
Die Arbeit entwickelt eine neuartige analytische Theorie der Greifrobustheit, die die Auswirkungen von Unsicherheiten in den Reibungskegeln auf den Kraftschluss-Status eines Griffs charakterisiert. Daraus folgt, dass das Ferrari-Canny-Maß, das die Größe externer Störungen angibt, die ein Griff abwehren kann, auch ein Maß für die intrinsische Robustheit ist. Außerdem zeigt die Arbeit, dass das kürzlich vorgeschlagene Min-Gewicht-Maß eine untere Schranke für das Ferrari-Canny-Maß darstellt, was seine Verwendung als recheneffiziente, unsicherheitsrobuste Alternative rechtfertigt.