Zobrazeno 1 - 10
of 1 928
pro vyhledávání: '"grasp quality"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Roshan Kumar Hota, Gaoyuan Liu, Bieke Decraemer, Barry Swevels, Sofie Burggraeve, Tom Verstraten, Bram Vanderborght, Greet Van de Perre
Publikováno v:
Robotics, Vol 13, Iss 5, p 74 (2024)
As the industry shifts to automated manufacturing and the assembly of parts in smaller batches, there is a clear need for an efficient design of grippers. This paper presents a method for automated grasp planning and finger design for multiple parts
Externí odkaz:
https://doaj.org/article/dd5e11793f4142cc84e85c11609aa632
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
We present the Versatile Grasp Quality Convolutional Neural Network (VGQ-CNN), a grasp quality prediction network for 6-DOF grasps. VGQ-CNN can be used when evaluating grasps for objects seen from a wide range of camera poses or mobile robots without
Externí odkaz:
http://arxiv.org/abs/2203.04874
Autor:
Jiang, Ping, Oaki, Junji, Ishihara, Yoshiyuki, Ooga, Junichiro, Han, Haifeng, Sugahara, Atsushi, Tokura, Seiji, Eto, Haruna, Komoda, Kazuma, Ogawa, Akihito
Deep learning has been widely used for inferring robust grasps. Although human-labeled RGB-D datasets were initially used to learn grasp configurations, preparation of this kind of large dataset is expensive. To address this problem, images were gene
Externí odkaz:
http://arxiv.org/abs/2111.02571
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
We present an ensemble learning methodology that combines multiple existing robotic grasp synthesis algorithms and obtain a success rate that is significantly better than the individual algorithms. The methodology treats the grasping algorithms as "e
Externí odkaz:
http://arxiv.org/abs/2105.00329
Recent consumer demand for home robots has accelerated performance of robotic grasping. However, a key component of the perception pipeline, the depth camera, is still expensive and inaccessible to most consumers. In addition, grasp planning has sign
Externí odkaz:
http://arxiv.org/abs/2009.08618
Autor:
Xu, Jingyi, Danielczuk, Michael, Ichnowski, Jeff, Mahler, Jeffrey, Steinbach, Eckehard, Goldberg, Ken
Robot grasping of deformable hollow objects such as plastic bottles and cups is challenging as the grasp should resist disturbances while minimally deforming the object so as not to damage it or dislodge liquids. We propose minimal work as a novel gr
Externí odkaz:
http://arxiv.org/abs/1909.11226