کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10326934 680428 2015 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Recognizing the grasp intention from human demonstration
ترجمه فارسی عنوان
تشخیص قصد درک از تظاهرات انسانی
کلمات کلیدی
درک بازخورد، به رسمیت شناختن درک، یادگیری از تظاهرات، سنجش تاکتیکی،
ترجمه چکیده
در درک انسان، انتخاب بر روی استفاده از قطعات دستی حتی قبل از اینکه متوجه شود، ساخته شده است. انسانی این گزینه ها را با قابلیت های پایانی مرتبط می کند و مطمئن است که درک حاصل از آن قادر به برآورده شدن نیازهای کاری خواهد بود. ما به این گزینه ها در مورد استفاده از قطعات دستی دست انداختن شکل گیری درک به عنوان قصد درک اشاره می کنیم. مدل سازی قصد درک یک پارادایم را ارائه می دهد که در آن تصمیمات مربوط به شکل گیری درک ممکن است مربوط به ویژگی های عملکردی درک درک شده از لحاظ مقادیری باشد که ممکن است حساس / شناخته شده یا کنترل شود. در این مقاله ما قصد درک را به عنوان ترکیبی از مخالفت ها بین قطعات دست دوم مدل می کنیم. بخش هایی از دست که به مخالفت با یکدیگر عمل می کنند، به عنوان پایه ای از آن شکل می گیرند. ما مجموعه ای از چنین مخالفت های احتمالی را محاسبه می کنیم و احتمالا ترکیبی از اطلاعات خام موجود در یک درک مشخص را تعیین می کنیم. نمایندگی متوسط ​​از داده های حسگر خام، تعاملات بین سطوح ابتدایی را درک می کند. از این، به احتمال زیاد ترکیبی از مخالفت ها نتیجه می شود. آزمایش های غلبه بر انسان نشان می دهد که رویکرد پیشنهادی به اندازه کافی قوی است تا بتواند قصد داشته باشد که در طیف وسیعی از قابلیت های دست نمایش داده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
In human grasping, choices are made on the use of hand-parts even before a grasp is realized. The human associates these choices with end-functionality and is confident that the resulting grasp will be able to meet task requirements. We refer to these choices on the use of hand-parts underlying grasp formation as the grasp intention. Modeling the grasp intention offers a paradigm whereby decisions underlying grasp formation may be related to the functional properties of the realized grasp in terms of quantities which may be sensed/recognized or controlled. In this paper we model grasp intention as mix of oppositions between hand parts. Sub-parts of the hand acting in opposition to each other are viewed as a basis from which grasps are formed. We compute a set of such possible oppositions and determine the most likely combination from the raw information present in a demonstrated grasp. An intermediate representation of raw sensor data exposes interactions between elementary grasping surfaces. From this, the most likely combination of oppositions is inferred. Grasping experiments with humans show that the proposed approach is robust enough to correctly capture the intention in demonstrated grasps across a wide range of hand functionality.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Autonomous Systems - Volume 74, Part A, December 2015, Pages 108-121
نویسندگان
, , , ,