Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat 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 (Engelska)Ingår i: 2013 IEEE International Conference on Robotics and Automation (ICRA), IEEE Computer Society, 2013, s. 3040-3047Konferensbidrag, Publicerat paper (Refereegranskat)
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.

Ort, förlag, år, upplaga, sidor
IEEE Computer Society, 2013. s. 3040-3047
Serie
Proceedings - IEEE International Conference on Robotics and Automation, ISSN 1050-4729
Nyckelord [en]
Generative model, Geometric constraint, Grasp stabilities, Object grasping, Probabilistic framework, Stability assessment, Stability requirements, Task information
Nationell ämneskategori
Robotteknik och automation
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
Konferens
2013 IEEE International Conference on Robotics and Automation, ICRA 2013, 6 May 2013 through 10 May 2013, Karlsruhe
Anmärkning

QC 20140115

Tillgänglig från: 2014-01-15 Skapad: 2014-01-15 Senast uppdaterad: 2014-08-04Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Kragic, Danica

Sök vidare i DiVA

Av författaren/redaktören
Bekiroglu, YaseminSong, DanWang, LuKragic, Danica
Av organisationen
Datorseende och robotik, CVAPCentrum för Autonoma System, CAS
Robotteknik och automation

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 361 träffar
RefereraExporteraLänk till posten
Permanent länk

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