오픈 월드의 로봇 배포를위한 데이터 효율적인 시각적 타당성 세계 모델
초록 :
최근 로봇 공학의 발전에도 불구하고 실용적인 작업을 위해 열린 세계에서 로봇의 강력한 배치는 여전히 강력한 도전으로 남아 있습니다. 중요한 장애물은 로봇이 특히 새로운 시나리오에서 물리적 세계와의 상호 작용에 대한 근본적인 이해가 부족하다는 것입니다. 전통적인 모델 기반 접근법은 기하학적 원시 및 물리 모델을 사용하여 상당한 사전 지식이 필요하고 미지의 실패가 필요합니다. 반면에, 심오한 학습 기반 접근법은 분포 교대 근무에 대해 매우 데이터 헝가리하고 부서지기 쉬운 일입니다. 이 토크에서는 물리 모델 및 기계 학습을 엄격하게 통합하여 엄격한 몸체, 세분화 미디어 및 변형 가능한 객체와 관련된 접촉이 풍부한 작업에 대한 데이터 효율적이고 정확한 세계 모델을 허용하는 로봇 월드 모델 표현을 어떻게 개발했는지에 대해 이야기 할 것입니다. 다음으로, 나는 세계 모델 표현을 다운 스트림 활성 인식으로 맞춤화하는 방법에 대해 논의 할 것입니다. 이어서, 나는 운동 및 조작 작업을 계획하기 위해 학습 된 세계 모델을 어떻게 활용했는지에 대해 간략하게 이야기하고, 다중 수분 감지에서 예측 세계 모델을 구축하기위한 전제 조건 인 다중 감각 기능을 갖춘 저렴한 로봇 하드웨어를 설계 할 것입니다. 마지막으로, 나는 열린 세계의 연락처가 풍부한 작업을위한 로봇 세계 모델을 대표, 획득 및 사용하는 미래의 무료 슬롯 방향으로 결론을 내릴 것입니다.
Bio :
무료 슬롯는 현재 Yale University의 기계 공학 및 재료 과학 부서의 박사후 연구원입니다. 이 전에는 박사 학위를 취득했습니다. 일리노이 대학교 Urbana-Champaign의 컴퓨터 과학과 학위 및 B.E. Vanderbilt University의 기계 공학 부서 학위. 그의 연구는 특히 낮은 데이터 체제에서 시각적 촉각 인식으로부터 예측 세계 모델링을위한 물리 모델링 및 기계 학습의 엄격한 통합을 촉진하는 로봇의 표현을 개발하는 중심입니다. 그의 연구는 R : SS, ICRA, IROS, RA-L 및 IJSR과 같은 최상위 로봇 공연장에 실 렸습니다. 그는 또한 UIUC 팀을 공동으로 옮겼습니다. ANA AVATAR XPRIZE 대회에서 1,000 달러짜리 ANA AVATAR XPRIZE에서 4 위를 차지했습니다.