PulseAugur
中
实时 04:41:21
English(EN) Multi-Class Human/Object Detection on Robot Manipulators using Proprioceptive Sensing

机器人机械臂在多类别人/物体检测中达到91%的准确率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种在机器人机械臂上进行多类别人/物体检测的新方法，改进了之前的二元分类模型。他们使用Franka Emika Panda机器人收集了一个数据集，并训练了LSTM、GRU和Transformers等模型。在实时测试中，表现最佳的模型达到了91.11%的准确率，证明了多类别检测在人机协作中进行更详细接触分析的有效性。 AI

影响 通过改进物体识别能力，增强了物理人机协作中的安全性和工作流程效率。

排序理由 学术论文，详细介绍了一种新方法和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器人机械臂在多类别人/物体检测中达到91%的准确率

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Justin Hehli, Marco Heiniger, Maryam Rezayati, Hans Wernher van de Venn ·

    使用本体感觉在机器人机械臂上进行多类别人体/物体检测

    arXiv:2508.02425v2 Announce Type: replace-cross Abstract: In physical human-robot collaboration (pHRC) settings, humans and robots collaborate directly in shared environments. Robots must analyze interactions with objects to ensure safety and facilitate meaningful workflows. One …

相关实体

相关话题