Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019045779) SYSTÈMES ROBOTISÉS ET PROCÉDÉS DE PRÉHENSION ET DE CIBLAGE ROBUSTES D'OBJETS
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/045779 N° de la demande internationale : PCT/US2018/026122
Date de publication : 07.03.2019 Date de dépôt international : 04.04.2018
CIB :
G06F 15/18 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
15
Calculateurs numériques en général; Équipement de traitement de données en général
18
dans lequel un programme est modifié en fonction de l'expérience acquise par le calculateur lui-même au cours d'un cycle complet; Machines capables de s'instruire
Déposants :
THE REGENTS OF THE UNIVERSITY OF CALIFORNIA [US/US]; 1111 Franklin Street, 12th Floor Oakland, CA 94607-5200, US
Inventeurs :
GOLDBERG, Kenneth, Yigael; US
MAHLER, Jeffrey, Brian; US
MATL, Matthew; US
Mandataire :
WAGNER, Justin, D.; US
ROSS, Kevin, S.; US
REED, Julie, L.; US
KENDALL, Elizbeth, R.; US
JOHNSON, Alexander, C.; US
Données relatives à la priorité :
62/553,58901.09.2017US
Titre (EN) ROBOTIC SYSTEMS AND METHODS FOR ROBUSTLY GRASPING AND TARGETING OBJECTS
(FR) SYSTÈMES ROBOTISÉS ET PROCÉDÉS DE PRÉHENSION ET DE CIBLAGE ROBUSTES D'OBJETS
Abrégé :
(EN) Embodiments are generally directed to generating a training dataset of labelled examples of sensor images and grasp configurations using a set of three-dimensional (3D) models of objects, one or more analytic mechanical representations of either or both of grasp forces and grasp torques, and statistical sampling to model uncertainty in either or both sensing and control. Embodiments can also include using the training dataset to train a function approximator that takes as input a sensor image and returns data that is used to select grasp configurations for a robot grasping or targeting mechanism.
(FR) Certains modes de réalisation concernent généralement la génération d'un ensemble de données d'apprentissage d'exemples étiquetés d'images de capteur et de configurations de préhension en utilisant un ensemble de modèles tridimensionnels (3D) d'objets, une ou plusieurs représentations mécaniques analytiques de forces de préhension et/ou de couples de préhension, et un échantillonnage statistique pour modéliser l'incertitude de détection et/ou de commande. Certains modes de réalisation peuvent également comprendre l'utilisation de l'ensemble de données d'apprentissage pour entraîner un approximateur de fonctions qui admet comme entrée une image de capteur et renvoie des données qui sont utilisées pour sélectionner des configurations de préhension pour un mécanisme de préhension ou de ciblage de robot.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)