Toward a Better Understanding of Robot Energy Consumption in Agroecological Applications

投稿日: 2024年10月11日 作成者: jarxiv

要約

この論文では、農業用ロボットのエネルギー消費に関する包括的な分析と考察を示します。
ロボットは、食糧生産と農業生態学的課題に対処するための有望なソリューションとして浮上しており、化学物質の使用量を削減できる可能性と、人間の能力を超えた過酷な作業を実行できる能力を提供します。
農業作業の自動化により、以前は達成できなかったレベルの複雑さが導入され、ロボットが軌道、制御法則、および全体的な作業計画を最適化できるようになります。
その結果、自動化は農業作業におけるより高いレベルのエネルギー最適化につながる可能性があります。
ただし、ロボット プラットフォームのエネルギー消費は完全には理解されていないため、エネルギー使用を最適化するには、寄与要因をより深く分析することが不可欠です。
私たちは、年間を通じて作業を実行する自動農業用トラクターのエネルギー データを分析し、ロボットの速度、実行される作業の種類、エネルギー消費の間の重要な相関関係を明らかにしました。
これは、タスクの効率、完了までの時間、およびロボット農業作業のエネルギー効率を向上させるために利用できるエネルギー消費の間のトレードオフを示唆しています。

要約(オリジナル)

In this paper, we present a comprehensive analysis and discussion of energy consumption in agricultural robots. Robots are emerging as a promising solution to address food production and agroecological challenges, offering potential reductions in chemical use and the ability to perform strenuous tasks beyond human capabilities. The automation of agricultural tasks introduces a previously unattainable level of complexity, enabling robots to optimize trajectories, control laws, and overall task planning. Consequently, automation can lead to higher levels of energy optimization in agricultural tasks. However, the energy consumption of robotic platforms is not fully understood, and a deeper analysis of contributing factors is essential to optimize energy use. We analyze the energy data of an automated agricultural tractor performing tasks throughout the year, revealing nontrivial correlations between the robot’s velocity, the type of task performed, and energy consumption. This suggests a tradeoff between task efficiency, time to completion, and energy expenditure that can be harnessed to improve the energy efficiency of robotic agricultural operations.

arxiv情報

著者 Alexis Bras,Alix Montanaro,Cyrille Pierre,Marilys Pradel,Johann Laconte
発行日 2024-10-10 08:10:31+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: 68T40, cs.RO | Toward a Better Understanding of Robot Energy Consumption in Agroecological Applications はコメントを受け付けていません

A Visual Cooperative Localization Method for Airborne Magnetic Surveying Based on a Manifold Sensor Fusion Algorithm Using Lie Groups

投稿日: 2024年10月11日 作成者: jarxiv

要約

UAV 技術の最近の進歩により、GNSS 信号がブロックされたり妨害されたりする限られた環境で使用するためのマルチ UAV 航空測量システムの開発への関心が高まっています。
このペーパーでは、航空磁気測量シナリオに焦点を当てます。
地球の磁場を反映するクリーンな磁気測定値を取得するには、磁気センサーを他の電子デバイスから隔離する必要があり、位置特定が大きな課題となります。
私たちは視覚的に協調的な位置特定ソリューションを提案します。
このソリューションには、視覚処理モジュールと改良されたマニホールドベースのセンサー フュージョン アルゴリズムが組み込まれており、信頼性の高い正確な位置情報を提供します。
実際の飛行実験によりこのアプローチが検証され、単軸センチメートルレベルの精度とデシメートルレベルの全体的な 3D 位置決め精度が実証されました。

要約(オリジナル)

Recent advancements in UAV technology have spurred interest in developing multi-UAV aerial surveying systems for use in confined environments where GNSS signals are blocked or jammed. This paper focuses airborne magnetic surveying scenarios. To obtain clean magnetic measurements reflecting the Earth’s magnetic field, the magnetic sensor must be isolated from other electronic devices, creating a significant localization challenge. We propose a visual cooperative localization solution. The solution incorporates a visual processing module and an improved manifold-based sensor fusion algorithm, delivering reliable and accurate positioning information. Real flight experiments validate the approach, demonstrating single-axis centimeter-level accuracy and decimeter-level overall 3D positioning accuracy.

arxiv情報

著者 Liang Liu,Xiao Hu,Wei Jiang,Guanglei Meng,Zhujun Wang,Taining Zhang
発行日 2024-10-10 08:13:30+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SP, eess.SY | A Visual Cooperative Localization Method for Airborne Magnetic Surveying Based on a Manifold Sensor Fusion Algorithm Using Lie Groups はコメントを受け付けていません

Autonomous Driving in Unstructured Environments: How Far Have We Come?

投稿日: 2024年10月11日 作成者: jarxiv

要約

構造化されていない屋外環境における自動運転の研究は、環境の多様性やシーンの複雑さなどの課題により、構造化された都市環境に比べて進んでいません。
農村部や起伏の多い地形などのこれらの環境は、構造化された都市部では一般的ではない独特の障害をもたらします。
これらの困難にもかかわらず、構造化されていない屋外環境での自動運転は、農業、鉱業、軍事作戦での用途にとって非常に重要です。
私たちの調査では、オフライン マッピング、姿勢推定、環境認識、経路計画、エンドツーエンドの自動運転、データセット、関連する課題など、非構造化屋外環境における自動運転に関する 250 以上の論文をレビューしています。
また、新たなトレンドと将来の研究の方向性についても説明します。
このレビューは、知識を統合し、非構造化環境における自動運転のさらなる研究を促進することを目的としています。
進行中の作業をサポートするために、最新の文献とオープンソース プロジェクトを含むアクティブなリポジトリを https://github.com/chaytonmin/Survey-Autonomous-Driving-in-Unstructed-Environments で維持しています。

要約(オリジナル)

Research on autonomous driving in unstructured outdoor environments is less advanced than in structured urban settings due to challenges like environmental diversities and scene complexity. These environments-such as rural areas and rugged terrains-pose unique obstacles that are not common in structured urban areas. Despite these difficulties, autonomous driving in unstructured outdoor environments is crucial for applications in agriculture, mining, and military operations. Our survey reviews over 250 papers for autonomous driving in unstructured outdoor environments, covering offline mapping, pose estimation, environmental perception, path planning, end-to-end autonomous driving, datasets, and relevant challenges. We also discuss emerging trends and future research directions. This review aims to consolidate knowledge and encourage further research for autonomous driving in unstructured environments. To support ongoing work, we maintain an active repository with up-to-date literature and open-source projects at: https://github.com/chaytonmin/Survey-Autonomous-Driving-in-Unstructured-Environments.

arxiv情報

著者 Chen Min,Shubin Si,Xu Wang,Hanzhang Xue,Weizhong Jiang,Yang Liu,Juan Wang,Qingtian Zhu,Qi Zhu,Lun Luo,Fanjie Kong,Jinyu Miao,Xudong Cai,Shuai An,Wei Li,Jilin Mei,Tong Sun,Heng Zhai,Qifeng Liu,Fangzhou Zhao,Liang Chen,Shuai Wang,Erke Shang,Linzhi Shang,Kunlong Zhao,Fuyang Li,Hao Fu,Lei Jin,Jian Zhao,Fangyuan Mao,Zhipeng Xiao,Chengyang Li,Bin Dai,Dawei Zhao,Liang Xiao,Yiming Nie,Yu Hu
発行日 2024-10-10 08:14:11+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Autonomous Driving in Unstructured Environments: How Far Have We Come? はコメントを受け付けていません

Lean Methodology for Garment Modernization

投稿日: 2024年10月11日 作成者: jarxiv

要約

衣服の近代化のための無駄のない方法論。
この記事では、リーン思考、リーン実践、自動化開発、VSM、CRP に焦点を当てて、衣料品製造を近代化するためのリーンな方法論と、それらを効果的に統合する方法を紹介します。
特定の作業を個別に自動化すると効率が向上し、サイクル タイムが短縮されますが、衣類全体の生産高と効率が必ずしも向上するとは限りません。
これらの広範な改善を達成するには、VSM と CRP を使用して生産ラインとプロセス全体を検討し、生産とセンターのバランスを最適化することが不可欠です。
このアプローチにより、効率が向上し、製造コスト、労働時間、リードタイムが削減され、最終的には会社と工場の価値が高まります。

要約(オリジナル)

Lean Methodology for Garment Modernization. This article presents the lean methodology for modernizing garment manufacturing, focusing on lean thinking, lean practices, automation development, VSM, and CRP, and how to integrate them effectively. While isolated automation of specific operations can improve efficiency and reduce cycle time, it does not necessarily enhance overall garment output and efficiency. To achieve these broader improvements, it is essential to consider the entire production line and process using VSM and CRP to optimize production and center balance. This approach can increase efficiency, and reduce manufacturing costs, labor time, and lead time, ultimately adding value to the company and factory.

arxiv情報

著者 Ray Wai Man Kong,Theodore Ho Tin Kong,Tianxu Huang
発行日 2024-10-10 08:18:07+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Lean Methodology for Garment Modernization はコメントを受け付けていません

Learning to Plan Maneuverable and Agile Flight Trajectory with Optimization Embedded Networks

投稿日: 2024年10月11日 作成者: jarxiv

要約

最近では、エンドツーエンドの飛行ナビゲーションにディープ ニューラル ネットワークを利用することに専念する研究者が増えています。
このアプローチは、従来の方法に存在する認識と計画の間のギャップを埋める能力により注目を集め、それによってモジュール間の遅延を排除します。
ただし、ブラックボックス方式で元のモジュールをニューラル ネットワークに置き換えると、システム全体の堅牢性と安定性が低下します。
原理的な説明が不足しており、高品質のモーション軌跡を一貫して生成できないことがよくあります。
さらに、そのような方法では、ロボットの運動学的制約を厳密に考慮するのが困難なことが多く、その結果、満足に実行できない軌道が生成されてしまいます。
この研究では、最適化が埋め込まれたニューラル ネットワークを提案することで、従来の方法とニューラル ネットワークの利点を組み合わせます。
このネットワークは、動的実現可能性を確保しながら、マッピングを必要とせずに視覚入力から直接高品質の軌道を学習できます。
ここでは、ディープ ニューラル ネットワークを使用して、深度画像から環境安全領域を直接抽出します。
その後、モデルベースのアプローチを採用して、これらの領域を軌道最適化における安全制約として表現します。
非常に効率的な最適化アルゴリズムの可用性を活用して、私たちの方法はさまざまなユーザー定義の制約を満たす実現可能な最適なソリューションに確実に収束します。
さらに、最適化プロセスを差別化して、ニューラル ネットワーク内のレイヤーとしてトレーニングできるようにします。
このアプローチにより、認識と計画の間の直接的な相互作用が促進され、ネットワークが最適なソリューションが存在する空間領域にさらに集中できるようになります。
その結果、生成される軌道の品質と安定性がさらに向上します。

要約(オリジナル)

In recent times, an increasing number of researchers have been devoted to utilizing deep neural networks for end-to-end flight navigation. This approach has gained traction due to its ability to bridge the gap between perception and planning that exists in traditional methods, thereby eliminating delays between modules. However, the practice of replacing original modules with neural networks in a black-box manner diminishes the overall system’s robustness and stability. It lacks principled explanations and often fails to consistently generate high-quality motion trajectories. Furthermore, such methods often struggle to rigorously account for the robot’s kinematic constraints, resulting in the generation of trajectories that cannot be executed satisfactorily. In this work, we combine the advantages of traditional methods and neural networks by proposing an optimization-embedded neural network. This network can learn high-quality trajectories directly from visual inputs without the need of mapping, while ensuring dynamic feasibility. Here, the deep neural network is employed to directly extract environment safety regions from depth images. Subsequently, we employ a model-based approach to represent these regions as safety constraints in trajectory optimization. Leveraging the availability of highly efficient optimization algorithms, our method robustly converges to feasible and optimal solutions that satisfy various user-defined constraints. Moreover, we differentiate the optimization process, allowing it to be trained as a layer within the neural network. This approach facilitates the direct interaction between perception and planning, enabling the network to focus more on the spatial regions where optimal solutions exist. As a result, it further enhances the quality and stability of the generated trajectories.

arxiv情報

著者 Zhichao Han,Long Xu,Liuao Pei,Fei Gao
発行日 2024-10-10 09:05:35+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Learning to Plan Maneuverable and Agile Flight Trajectory with Optimization Embedded Networks はコメントを受け付けていません

Design Method of a Kangaroo Robot with High Power Legs and an Articulated Soft Tail

投稿日: 2024年10月11日 作成者: jarxiv

要約

本稿では、ジャンプできる力強い脚と柔らかくて強い尾を持つカンガルーに焦点を当てます。
これらのユニークな構造をロボットに組み込んで活用するために、ロボットとしての実現可能性とカンガルー模倣構造の両方を考慮した設計手法を提案します。
カンガルーの筋骨格構造をもとに、筋肉の配置を解析し、シミュレーションによる事前検証を行うことで、ジャンプを可能にするロボットの構造を決定します。
また、身体をサポートできる尻尾を実現するために、尻尾には関節式の伸縮性のある構造を採用しています。
柔らかさと高出力を両立させるため、ロボットの駆動にはダイレクトドライブの高出力ワイヤー巻取り機構を採用し、胴体部にモーターを配置することで脚部や尻尾の軽量化を図りました。
開発されたカンガルーロボットは、後ろ足でジャンプしながら尻尾を動かし、後ろ足と尻尾で体を支えることができる。

要約(オリジナル)

In this paper, we focus on the kangaroo, which has powerful legs capable of jumping and a soft and strong tail. To incorporate these unique structure into a robot for utilization, we propose a design method that takes into account both the feasibility as a robot and the kangaroo-mimetic structure. Based on the kangaroo’s musculoskeletal structure, we determine the structure of the robot that enables it to jump by analyzing the muscle arrangement and prior verification in simulation. Also, to realize a tail capable of body support, we use an articulated, elastic structure as a tail. In order to achieve both softness and high power output, the robot is driven by a direct-drive, high-power wire-winding mechanism, and weight of legs and the tail is reduced by placing motors in the torso. The developed kangaroo robot can jump with its hind legs, moving its tail, and supporting its body using its hind legs and tail.

arxiv情報

著者 Shunnosuke Yoshimura,Temma Suzuki,Masahiro Bando,Sota Yuzaki,Kento Kawaharazuka,Kei Okada,Masayuki Inaba
発行日 2024-10-10 09:20:46+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO | Design Method of a Kangaroo Robot with High Power Legs and an Articulated Soft Tail はコメントを受け付けていません

PHODCOS: Pythagorean Hodograph-based Differentiable Coordinate System

投稿日: 2024年10月11日 作成者: jarxiv

要約

この論文では、特定の曲線に移動座標系を割り当てるアルゴリズムである PHODCOS について説明します。
座標系の基礎となるパラメトリック関数、つまり、経路関数、移動フレーム、およびその角速度は正確であり、近似が不要で、微分可能であり、十分に連続的です。
これにより、1 次および 2 次の勾配情報を必要とする自律ナビゲーション アルゴリズムに準拠したまま、高度に非線形の曲線の座標系を計算することが可能になります。
さらに、PHODCOS によって取得される座標系は、有限数の係数によって完全に定義され、これを使用して、弧長、曲率、ねじれなどの曲線の追加の幾何学的特性を計算できます。したがって、PHODCOS は、
軌道上での既存の誘導とナビゲーションの幾何学的認識を強化する魅力的なパラダイム。
PHODCOS アルゴリズムは、その誤差と近似次数の分析とともに提示されるため、取得された座標系が所望の許容範囲内で指定された曲線と一致することが保証されます。
PHODCOS から得られる座標系の適用可能性を実証するために、月ゲートウェイの近直線ハロー軌道 (NRHO) での数値例を示します。

要約(オリジナル)

This paper presents PHODCOS, an algorithm that assigns a moving coordinate system to a given curve. The parametric functions underlying the coordinate system, i.e., the path function, the moving frame and its angular velocity, are exact — approximation free — differentiable, and sufficiently continuous. This allows for computing a coordinate system for highly nonlinear curves, while remaining compliant with autonomous navigation algorithms that require first and second order gradient information. In addition, the coordinate system obtained by PHODCOS is fully defined by a finite number of coefficients, which may then be used to compute additional geometric properties of the curve, such as arc-length, curvature, torsion, etc. Therefore, PHODCOS presents an appealing paradigm to enhance the geometrical awareness of existing guidance and navigation on-orbit spacecraft maneuvers. The PHODCOS algorithm is presented alongside an analysis of its error and approximation order, and thus, it is guaranteed that the obtained coordinate system matches the given curve within a desired tolerance. To demonstrate the applicability of the coordinate system resulting from PHODCOS, we present numerical examples in the Near Rectilinear Halo Orbit (NRHO) for the Lunar Gateway.

arxiv情報

著者 Jon Arrizabalaga,Fausto Vega,Zbyněk ŠÍR,Zachary Manchester,Markus Ryll
発行日 2024-10-10 09:27:48+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY | PHODCOS: Pythagorean Hodograph-based Differentiable Coordinate System はコメントを受け付けていません

Learning Low-Level Causal Relations using a Simulated Robotic Arm

投稿日: 2024年10月11日 作成者: jarxiv

要約

因果学習により、人間は既知の環境に対する自分の行動の影響を予測し、この知識を使用してより複雑な行動の実行を計画することができます。
このような知識は環境の動作も捕捉し、その分析や動作の背後にある推論に使用できます。
この種の知識は、常識を備えたインテリジェント ロボット システムの設計にも重要です。
この論文では、2 つの感覚運動タスクに関与するシミュレートされたロボット アームによって生成されたデータに基づいて順モデルと逆モデルを学習することにより、因果関係を研究します。
次のステップとして、フォワード モデルの解析のための特徴帰属手法を調査します。これにより、腕の関節と環境特徴の両方に関連する状態ベクトルの個々の特徴に対応する低レベルの因果効果が明らかになります。
このタイプの分析は、状態表現の次元削減と、より高いレベルでの因果関係の説明可能性に向けた知識の集約のための強固な基盤を提供します。

要約(オリジナル)

Causal learning allows humans to predict the effect of their actions on the known environment and use this knowledge to plan the execution of more complex actions. Such knowledge also captures the behaviour of the environment and can be used for its analysis and the reasoning behind the behaviour. This type of knowledge is also crucial in the design of intelligent robotic systems with common sense. In this paper, we study causal relations by learning the forward and inverse models based on data generated by a simulated robotic arm involved in two sensorimotor tasks. As a next step, we investigate feature attribution methods for the analysis of the forward model, which reveals the low-level causal effects corresponding to individual features of the state vector related to both the arm joints and the environment features. This type of analysis provides solid ground for dimensionality reduction of the state representations, as well as for the aggregation of knowledge towards the explainability of causal effects at higher levels.

arxiv情報

著者 Miroslav Cibula,Matthias Kerzel,Igor Farkaš
発行日 2024-10-10 09:28:30+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO | Learning Low-Level Causal Relations using a Simulated Robotic Arm はコメントを受け付けていません

Neural Semantic Map-Learning for Autonomous Vehicles

投稿日: 2024年10月11日 作成者: jarxiv

要約

自動運転車は交通状況を確実に走行するために詳細な地図を必要とし、安全な運行を確保するために地図を最新の状態に保つ必要があります。
絶えず変化する道路網に地図を適応させる有望な方法は、クラウドソーシングされた車両群のデータを使用することです。
この作業では、中央インスタンスの車両群から収集されたローカル サブマップを融合して、走行可能エリア、車線境界線、電柱、障害物などを含む道路環境の一貫したマップを 3D メッシュとして生成するマッピング システムを紹介します。
各車両は、ローカルに再構築されたサブマップを軽量メッシュとして提供するため、私たちの方法は幅広い再構築方法とセンサーモダリティに適用できます。
私たちの方法は、シーン固有のニューラル署名距離フィールドを使用して、ノイズの多い不完全なローカル サブマップを共同で位置合わせしてマージします。このフィールドは、融合された環境表現を予測するためにサブマップ メッシュを使用して監視されます。
メモリ効率の高いまばらな特徴グリッドを活用して大規模な領域にスケールし、シーン再構築における不確実性をモデル化する信頼スコアを導入します。
私たちのアプローチは、異なるローカル マッピング手法を使用して 2 つのデータセットで評価され、既存の手法に比べてポーズの位置合わせと再構成が改善されていることがわかります。
さらに、マルチセッション マッピングの利点を実証し、自動運転車向けの高忠実度の地図学習を可能にするために必要なデータ量を調査します。

要約(オリジナル)

Autonomous vehicles demand detailed maps to maneuver reliably through traffic, which need to be kept up-to-date to ensure a safe operation. A promising way to adapt the maps to the ever-changing road-network is to use crowd-sourced data from a fleet of vehicles. In this work, we present a mapping system that fuses local submaps gathered from a fleet of vehicles at a central instance to produce a coherent map of the road environment including drivable area, lane markings, poles, obstacles and more as a 3D mesh. Each vehicle contributes locally reconstructed submaps as lightweight meshes, making our method applicable to a wide range of reconstruction methods and sensor modalities. Our method jointly aligns and merges the noisy and incomplete local submaps using a scene-specific Neural Signed Distance Field, which is supervised using the submap meshes to predict a fused environment representation. We leverage memory-efficient sparse feature-grids to scale to large areas and introduce a confidence score to model uncertainty in scene reconstruction. Our approach is evaluated on two datasets with different local mapping methods, showing improved pose alignment and reconstruction over existing methods. Additionally, we demonstrate the benefit of multi-session mapping and examine the required amount of data to enable high-fidelity map learning for autonomous vehicles.

arxiv情報

著者 Markus Herb,Nassir Navab,Federico Tombari
発行日 2024-10-10 10:10:03+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO | Neural Semantic Map-Learning for Autonomous Vehicles はコメントを受け付けていません

Mastering Contact-rich Tasks by Combining Soft and Rigid Robotics with Imitation Learning

投稿日: 2024年10月11日 作成者: jarxiv

要約

ソフトロボットは、安全で堅牢かつ適応可能な環境との相互作用を確立する機能により、ロボットシステムの使用に革命を起こす可能性を秘めていますが、その正確な制御は依然として課題です。
対照的に、従来の剛体ロボットは高い精度と再現性を提供しますが、柔らかいロボットのような柔軟性がありません。
私たちは、これらの特性をハイブリッドロボットプラットフォームに組み合わせることで、全体的な能力を大幅に向上できると主張します。
この研究では、剛性マニピュレータと完全に開発されたソフト アームを統合した新しいハイブリッド ロボット プラットフォームを紹介します。
このシステムは、自律的に模倣学習を通じて柔軟で汎用性のあるタスクを実行するために必要な知能を備えています。
物理的な柔らかさと機械学習により、当社のプラットフォームは高度に汎用化可能なスキルを実現できる一方、剛性の高いコンポーネントにより精度と再現性が保証されます。

要約(オリジナル)

Soft robots have the potential to revolutionize the use of robotic systems with their capability of establishing safe, robust, and adaptable interactions with their environment, but their precise control remains challenging. In contrast, traditional rigid robots offer high accuracy and repeatability but lack the flexibility of soft robots. We argue that combining these characteristics in a hybrid robotic platform can significantly enhance overall capabilities. This work presents a novel hybrid robotic platform that integrates a rigid manipulator with a fully developed soft arm. This system is equipped with the intelligence necessary to perform flexible and generalizable tasks through imitation learning autonomously. The physical softness and machine learning enable our platform to achieve highly generalizable skills, while the rigid components ensure precision and repeatability.

arxiv情報

著者 Mariano Ramírez Montero,Ebrahim Shahabi,Giovanni Franzese,Jens Kober,Barbara Mazzolai,Cosimo Della Santina
発行日 2024-10-10 10:18:03+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO | Mastering Contact-rich Tasks by Combining Soft and Rigid Robotics with Imitation Learning はコメントを受け付けていません