ترجمه فارسی مقاله تقویت صفحه سبز تعمیم صحنه را در دستکاری رباتیک فعال می کند

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 Green Screen Augmentation Enables Scene Generalisation in Robotic Manipulation
عنوان مقاله به فارسی تقویت صفحه سبز تعمیم صحنه را در دستکاری رباتیک فعال می کند
نویسندگان Eugene Teoh, Sumit Patidar, Xiao Ma, Stephen James
فرمت مقاله انگلیسی PDF
تعداد صفحات 27
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Robotics,Artificial Intelligence,Computer Vision and Pattern Recognition,Machine Learning,روباتیک , هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 8 September, 2024; v1 submitted 10 July, 2024; originally announced July 2024. , Comments: Project website: https://greenaug.github.io/
توضیحات به فارسی ارسال شده در 8 سپتامبر 2024 ؛V1 ارسال شده 10 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد. ، نظرات: وب سایت پروژه: https://greenaug.github.io/
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

Generalising vision-based manipulation policies to novel environments remains a challenging area with limited exploration. Current practices involve collecting data in one location, training imitation learning or reinforcement learning policies with this data, and deploying the policy in the same location. However, this approach lacks scalability as it necessitates data collection in multiple locations for each task. This paper proposes a novel approach where data is collected in a location predominantly featuring green screens. We introduce Green-screen Augmentation (GreenAug), employing a chroma key algorithm to overlay background textures onto a green screen. Through extensive real-world empirical studies with over 850 training demonstrations and 8.2k evaluation episodes, we demonstrate that GreenAug surpasses no augmentation, standard computer vision augmentation, and prior generative augmentation methods in performance. While no algorithmic novelties are claimed, our paper advocates for a fundamental shift in data collection practices. We propose that real-world demonstrations in future research should utilise green screens, followed by the application of GreenAug. We believe GreenAug unlocks policy generalisation to visually distinct novel locations, addressing the current scene generalisation limitations in robot learning.

چکیده به فارسی (ترجمه ماشینی)

عمومی سازی سیاست های دستکاری مبتنی بر بینایی به محیط های جدید ، یک منطقه چالش برانگیز با اکتشاف محدود است.شیوه های فعلی شامل جمع آوری داده ها در یک مکان ، آموزش یادگیری تقلید یا سیاست های یادگیری تقویت با این داده ها و استفاده از خط مشی در همان مکان است.با این حال ، این رویکرد فاقد مقیاس پذیری است زیرا نیاز به جمع آوری داده ها در چندین مکان برای هر کار دارد.در این مقاله یک رویکرد جدید ارائه شده است که داده ها در یک مکان جمع آوری می شوند که عمدتاً دارای صفحه های سبز است.ما تقویت صفحه سبز (Greenaug) را معرفی می کنیم و از یک الگوریتم کلیدی Chroma برای پوشیدن بافت های پس زمینه بر روی صفحه سبز استفاده می کنیم.از طریق مطالعات گسترده تجربی در دنیای واقعی با بیش از 850 تظاهرات آموزشی و قسمت ارزیابی 8.2K ، ما نشان می دهیم که Greenaug از افزایش ، افزایش چشم انداز رایانه استاندارد و روشهای تقویت تولید قبلی در عملکرد پیشی نمی گیرد.در حالی که هیچ تازگی الگوریتمی ادعا نشده است ، طرفداران مقاله ما برای تغییر اساسی در شیوه های جمع آوری داده ها هستند.ما پیشنهاد می کنیم که تظاهرات دنیای واقعی در تحقیقات آینده باید از صفحه های سبز استفاده کند و به دنبال آن کاربرد Greenaug انجام شود.ما معتقدیم که Greenaug تعمیم سیاست را به مکانهای جدید بصری مجزا باز می کند و به محدودیت های عمومی سازی صحنه فعلی در یادگیری ربات پرداخته است.

📚 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.