Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A probabilistic framework for task-oriented grasp stability assessment
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. KTH, Skolan för datavetenskap och kommunikation (CSC), Centra, Centrum för Autonoma System, CAS.ORCID-id: 0000-0003-2965-2953
2013 (engelsk)Inngår i: 2013 IEEE International Conference on Robotics and Automation (ICRA), IEEE Computer Society, 2013, s. 3040-3047Konferansepaper, Publicerat paper (Fagfellevurdert)
Abstract [en]

We present a probabilistic framework for grasp modeling and stability assessment. The framework facilitates assessment of grasp success in a goal-oriented way, taking into account both geometric constraints for task affordances and stability requirements specific for a task. We integrate high-level task information introduced by a teacher in a supervised setting with low-level stability requirements acquired through a robot's self-exploration. The conditional relations between tasks and multiple sensory streams (vision, proprioception and tactile) are modeled using Bayesian networks. The generative modeling approach both allows prediction of grasp success, and provides insights into dependencies between variables and features relevant for object grasping.

sted, utgiver, år, opplag, sider
IEEE Computer Society, 2013. s. 3040-3047
Serie
Proceedings - IEEE International Conference on Robotics and Automation, ISSN 1050-4729
Emneord [en]
Generative model, Geometric constraint, Grasp stabilities, Object grasping, Probabilistic framework, Stability assessment, Stability requirements, Task information
HSV kategori
Identifikatorer
URN: urn:nbn:se:kth:diva-139940DOI: 10.1109/ICRA.2013.6630999ISI: 000337617303008Scopus ID: 2-s2.0-84887277768ISBN: 978-146735641-1 (tryckt)OAI: oai:DiVA.org:kth-139940DiVA, id: diva2:687822
Konferanse
2013 IEEE International Conference on Robotics and Automation, ICRA 2013, 6 May 2013 through 10 May 2013, Karlsruhe
Merknad

QC 20140115

Tilgjengelig fra: 2014-01-15 Laget: 2014-01-15 Sist oppdatert: 2014-08-04bibliografisk kontrollert

Open Access i DiVA

Fulltekst mangler i DiVA

Andre lenker

Forlagets fulltekstScopus

Personposter BETA

Kragic, Danica

Søk i DiVA

Av forfatter/redaktør
Bekiroglu, YaseminSong, DanWang, LuKragic, Danica
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetric

doi
isbn
urn-nbn
Totalt: 369 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf