Robustness Evaluation of Machine Learning Models for Robot Arm Action Recognition in Noisy Environments

要約

ロボット動作認識の分野では、騒がしい環境で視覚システムを使用して、明確ではあるが空間的に近接した腕の動きを識別することは、大きな課題となります。
この論文では、機械学習技術を使用して、騒がしい環境におけるロボットアームの動作認識を研究します。
具体的には、ビジョン システムを使用してロボットの動きを追跡し、その後深層学習モデルを使用してアームのキー ポイントを抽出します。
機械学習手法の比較分析を通じて、ノイズの多い環境におけるこのモデルの有効性と堅牢性が評価されます。
ケーススタディは、3 行 3 列のグリッド環境で三目並べゲームを使用して実施されました。この制限された環境内で特定の場所を選択する際の腕の動作を正確に識別することに重点が置かれています。
実験結果は、データセットにノイズと不確実性が追加されたにもかかわらず、私たちのアプローチが正確なキーポイントの検出とアクションの分類を達成できることを示しています。

要約(オリジナル)

In the realm of robot action recognition, identifying distinct but spatially proximate arm movements using vision systems in noisy environments poses a significant challenge. This paper studies robot arm action recognition in noisy environments using machine learning techniques. Specifically, a vision system is used to track the robot’s movements followed by a deep learning model to extract the arm’s key points. Through a comparative analysis of machine learning methods, the effectiveness and robustness of this model are assessed in noisy environments. A case study was conducted using the Tic-Tac-Toe game in a 3-by-3 grid environment, where the focus is to accurately identify the actions of the arms in selecting specific locations within this constrained environment. Experimental results show that our approach can achieve precise key point detection and action classification despite the addition of noise and uncertainties to the dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google