Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

One Step Deep Learning Approach to Grasp Detection in Robotics

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F21%3A39918034" target="_blank" >RIV/00216275:25530/21:39918034 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-030-90321-3_2" target="_blank" >http://dx.doi.org/10.1007/978-3-030-90321-3_2</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-90321-3_2" target="_blank" >10.1007/978-3-030-90321-3_2</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    One Step Deep Learning Approach to Grasp Detection in Robotics

  • Popis výsledku v původním jazyce

    Grasp point detection is a necessary ability to handle for industrial robots. In recent years, various deep learning-based techniques for robotic grasping have been introduced. To follow this trend, we introduce a convolutional neural network-based approach for model-free one step method for grasp point detection. This method provides all feasible grasp points suitable for parallel grippers, based on a single RGB image of the scene. A case study, which shows the outstanding accuracy of the presented approach as well as its acceptable response time, is presented at the end of this contribution.

  • Název v anglickém jazyce

    One Step Deep Learning Approach to Grasp Detection in Robotics

  • Popis výsledku anglicky

    Grasp point detection is a necessary ability to handle for industrial robots. In recent years, various deep learning-based techniques for robotic grasping have been introduced. To follow this trend, we introduce a convolutional neural network-based approach for model-free one step method for grasp point detection. This method provides all feasible grasp points suitable for parallel grippers, based on a single RGB image of the scene. A case study, which shows the outstanding accuracy of the presented approach as well as its acceptable response time, is presented at the end of this contribution.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20204 - Robotics and automatic control

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Data Science and Intelligent Systems : proceedings of 5th Computational Methods in Systems and Software 2021, Vol. 2

  • ISBN

    978-3-030-90320-6

  • ISSN

    2367-3370

  • e-ISSN

    2367-3389

  • Počet stran výsledku

    10

  • Strana od-do

    8-17

  • Název nakladatele

    Springer Science and Business Media

  • Místo vydání

  • Místo konání akce

    ONLINE

  • Datum konání akce

    1. 10. 2021

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku