ترجمه فارسی مقاله شناسایی پارامترهای فیزیکی زمین از دید -- به سمت حرکت و ناوبری با پارامترهای فیزیکی آگاه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Identifying Terrain Physical Parameters from Vision -- Towards Physical-Parameter-Aware Locomotion and Navigation
عنوان مقاله به فارسی شناسایی پارامترهای فیزیکی زمین از دید -- به سمت حرکت و ناوبری با پارامترهای فیزیکی آگاه
نویسندگان Jiaqi Chen, Jonas Frey, Ruyi Zhou, Takahiro Miki, Georg Martius, Marco Hutter
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Machine Learning,روباتیک , یادگیری ماشین ,
توضیحات Submitted 29 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Identifying the physical properties of the surrounding environment is essential for robotic locomotion and navigation to deal with non-geometric hazards, such as slippery and deformable terrains. It would be of great benefit for robots to anticipate these extreme physical properties before contact; however, estimating environmental physical parameters from vision is still an open challenge. Animals can achieve this by using their prior experience and knowledge of what they have seen and how it felt. In this work, we propose a cross-modal self-supervised learning framework for vision-based environmental physical parameter estimation, which paves the way for future physical-property-aware locomotion and navigation. We bridge the gap between existing policies trained in simulation and identification of physical terrain parameters from vision. We propose to train a physical decoder in simulation to predict friction and stiffness from multi-modal input. The trained network allows the labeling of real-world images with physical parameters in a self-supervised manner to further train a visual network during deployment, which can densely predict the friction and stiffness from image data. We validate our physical decoder in simulation and the real world using a quadruped ANYmal robot, outperforming an existing baseline method. We show that our visual network can predict the physical properties in indoor and outdoor experiments while allowing fast adaptation to new environments.

چکیده به فارسی (ترجمه ماشینی)

شناسایی خصوصیات فیزیکی محیط اطراف برای تحرک رباتیک و ناوبری برای مقابله با خطرات غیر جلومتریک مانند زمین های لغزنده و تغییر شکل ضروری است.پیش بینی این خصوصیات بدنی شدید قبل از تماس ، روبات ها از این مزیت برخوردار هستند.با این حال ، تخمین پارامترهای فیزیکی محیطی از Vision هنوز یک چالش باز است.حیوانات می توانند با استفاده از تجربه و دانش قبلی خود در مورد آنچه دیده اند و چگونه احساس می کنند ، به این هدف دست یابند.در این کار ، ما یک چارچوب یادگیری خودكاری متقاطع خود را برای برآورد پارامتر فیزیکی محیطی مبتنی بر بینایی پیشنهاد می کنیم ، که راه را برای تحرک و ناوبری آگاه و آگاه از فیزیکی آگاهانه می سازد.ما شکاف بین سیاست های موجود را که در شبیه سازی و شناسایی پارامترهای زمین فیزیکی از بینایی آموزش دیده است ، می کنیم.ما پیشنهاد می کنیم یک رمزگشایی فیزیکی در شبیه سازی برای پیش بینی اصطکاک و سفتی از ورودی چند منظوره آموزش دهیم.شبکه آموزش دیده اجازه می دهد تا برچسب زدن تصاویر در دنیای واقعی با پارامترهای فیزیکی به صورت خود سنجی برای آموزش بیشتر یک شبکه بصری در هنگام استقرار ، که می تواند اصطکاک و سفتی را از داده های تصویر پیش بینی کند.ما رمزگشایی فیزیکی خود را در شبیه سازی و دنیای واقعی با استفاده از یک ربات چهار نفره Anymal تأیید می کنیم و از یک روش پایه موجود بهتر عمل می کنیم.ما نشان می دهیم که شبکه بصری ما می تواند ویژگی های فیزیکی را در آزمایش های داخلی و خارجی پیش بینی کند ، در حالی که امکان سازگاری سریع با محیط های جدید را فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.