Articles de revues sur le sujet « Deep Learning and Perception for Grasping and Manipulation »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs articles de revues pour votre recherche sur le sujet « Deep Learning and Perception for Grasping and Manipulation ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les articles de revues sur diverses disciplines et organisez correctement votre bibliographie.
Han, Dong, Hong Nie, Jinbao Chen, Meng Chen, Zhen Deng et Jianwei Zhang. « Multi-modal haptic image recognition based on deep learning ». Sensor Review 38, no 4 (17 septembre 2018) : 486–93. http://dx.doi.org/10.1108/sr-08-2017-0160.
Texte intégralValarezo Añazco, Edwin, Sara Guerrero, Patricio Rivera Lopez, Ji-Heon Oh, Ga-Hyeon Ryu et Tae-Seong Kim. « Deep Learning-Based Ensemble Approach for Autonomous Object Manipulation with an Anthropomorphic Soft Robot Hand ». Electronics 13, no 2 (17 janvier 2024) : 379. http://dx.doi.org/10.3390/electronics13020379.
Texte intégralWang, Cong, Qifeng Zhang, Qiyan Tian, Shuo Li, Xiaohui Wang, David Lane, Yvan Petillot et Sen Wang. « Learning Mobile Manipulation through Deep Reinforcement Learning ». Sensors 20, no 3 (10 février 2020) : 939. http://dx.doi.org/10.3390/s20030939.
Texte intégralZhao, Wenhui, Bin Xu et Xinzhong Wu. « Robot grasping system based on deep learning target detection ». Journal of Physics : Conference Series 2450, no 1 (1 mars 2023) : 012071. http://dx.doi.org/10.1088/1742-6596/2450/1/012071.
Texte intégralZhou, Hongyu, Jinhui Xiao, Hanwen Kang, Xing Wang, Wesley Au et Chao Chen. « Learning-Based Slip Detection for Robotic Fruit Grasping and Manipulation under Leaf Interference ». Sensors 22, no 15 (22 juillet 2022) : 5483. http://dx.doi.org/10.3390/s22155483.
Texte intégralZhang, Ruihua, Xujun Chen, Zhengzhong Wan, Meng Wang et Xinqing Xiao. « Deep Learning-Based Oyster Packaging System ». Applied Sciences 13, no 24 (8 décembre 2023) : 13105. http://dx.doi.org/10.3390/app132413105.
Texte intégralLiu, Ning, Cangui Guo, Rongzhao Liang et Deping Li. « Collaborative Viewpoint Adjusting and Grasping via Deep Reinforcement Learning in Clutter Scenes ». Machines 10, no 12 (29 novembre 2022) : 1135. http://dx.doi.org/10.3390/machines10121135.
Texte intégralHan, Dong, Beni Mulyana, Vladimir Stankovic et Samuel Cheng. « A Survey on Deep Reinforcement Learning Algorithms for Robotic Manipulation ». Sensors 23, no 7 (5 avril 2023) : 3762. http://dx.doi.org/10.3390/s23073762.
Texte intégralMohammed, Marwan Qaid, Lee Chung Kwek, Shing Chyi Chua, Abdulaziz Salamah Aljaloud, Arafat Al-Dhaqm, Zeyad Ghaleb Al-Mekhlafi et Badiea Abdulkarem Mohammed. « Deep Reinforcement Learning-Based Robotic Grasping in Clutter and Occlusion ». Sustainability 13, no 24 (10 décembre 2021) : 13686. http://dx.doi.org/10.3390/su132413686.
Texte intégralSayour, Malak H., Sharbel E. Kozhaya et Samer S. Saab. « Autonomous Robotic Manipulation : Real-Time, Deep-Learning Approach for Grasping of Unknown Objects ». Journal of Robotics 2022 (30 juin 2022) : 1–14. http://dx.doi.org/10.1155/2022/2585656.
Texte intégralRivera, Patricio, Edwin Valarezo Añazco et Tae-Seong Kim. « Object Manipulation with an Anthropomorphic Robotic Hand via Deep Reinforcement Learning with a Synergy Space of Natural Hand Poses ». Sensors 21, no 16 (5 août 2021) : 5301. http://dx.doi.org/10.3390/s21165301.
Texte intégralZhang, Tengteng, et Hongwei Mo. « Research on Perception and Control Technology for Dexterous Robot Operation ». Electronics 12, no 14 (13 juillet 2023) : 3065. http://dx.doi.org/10.3390/electronics12143065.
Texte intégralMohammed, Marwan Qaid, Lee Chung Kwek, Shing Chyi Chua, Arafat Al-Dhaqm, Saeid Nahavandi, Taiseer Abdalla Elfadil Eisa, Muhammad Fahmi Miskon et al. « Review of Learning-Based Robotic Manipulation in Cluttered Environments ». Sensors 22, no 20 (18 octobre 2022) : 7938. http://dx.doi.org/10.3390/s22207938.
Texte intégralLopez, Patricio Rivera, Ji-Heon Oh, Jin Gyun Jeong, Hwanseok Jung, Jin Hyuk Lee, Ismael Espinoza Jaramillo, Channabasava Chola, Won Hee Lee et Tae-Seong Kim. « Dexterous Object Manipulation with an Anthropomorphic Robot Hand via Natural Hand Pose Transformer and Deep Reinforcement Learning ». Applied Sciences 13, no 1 (28 décembre 2022) : 379. http://dx.doi.org/10.3390/app13010379.
Texte intégralBütepage, Judith, Silvia Cruciani, Mia Kokic, Michael Welle et Danica Kragic. « From Visual Understanding to Complex Object Manipulation ». Annual Review of Control, Robotics, and Autonomous Systems 2, no 1 (3 mai 2019) : 161–79. http://dx.doi.org/10.1146/annurev-control-053018-023735.
Texte intégralCirillo, Andrea, Gianluca Laudante et Salvatore Pirozzi. « Tactile Sensor Data Interpretation for Estimation of Wire Features ». Electronics 10, no 12 (18 juin 2021) : 1458. http://dx.doi.org/10.3390/electronics10121458.
Texte intégralZhou, Hongyu, Hanwen Kang, Xing Wang, Wesley Au, Michael Yu Wang et Chao Chen. « Branch Interference Sensing and Handling by Tactile Enabled Robotic Apple Harvesting ». Agronomy 13, no 2 (9 février 2023) : 503. http://dx.doi.org/10.3390/agronomy13020503.
Texte intégralXie, Zhen, Josh Ye Seng Chen, Guo Wei Lim et Fengjun Bai. « Data-Driven Robotic Tactile Grasping for Hyper-Personalization Line Pick-and-Place ». Actuators 12, no 5 (1 mai 2023) : 192. http://dx.doi.org/10.3390/act12050192.
Texte intégralCaldera, Shehan, Alexander Rassau et Douglas Chai. « Review of Deep Learning Methods in Robotic Grasp Detection ». Multimodal Technologies and Interaction 2, no 3 (7 septembre 2018) : 57. http://dx.doi.org/10.3390/mti2030057.
Texte intégralZhang, Tengteng, et Hongwei Mo. « Towards Multi-Objective Object Push-Grasp Policy Based on Maximum Entropy Deep Reinforcement Learning under Sparse Rewards ». Entropy 26, no 5 (12 mai 2024) : 416. http://dx.doi.org/10.3390/e26050416.
Texte intégralChen, Ao, Yongchun Xie, Yong Wang et Linfeng Li. « Knowledge Graph-Based Image Recognition Transfer Learning Method for On-Orbit Service Manipulation ». Space : Science & ; Technology 2021 (6 août 2021) : 1–9. http://dx.doi.org/10.34133/2021/9807452.
Texte intégralDesingh, Karthik. « Perception for General-purpose Robot Manipulation ». Proceedings of the AAAI Conference on Artificial Intelligence 37, no 13 (26 juin 2023) : 15435. http://dx.doi.org/10.1609/aaai.v37i13.26802.
Texte intégralZhu, Bo-Rui, Jin-Siang Shaw et Shih-Hao Lee. « Development of Annulus-Object Random Bin Picking System based on Rapid Establishment of RGB-D Images ». WSEAS TRANSACTIONS ON INFORMATION SCIENCE AND APPLICATIONS 21 (28 février 2024) : 128–38. http://dx.doi.org/10.37394/23209.2024.21.13.
Texte intégralHuang, Shiyao, et Hao Wu. « Texture Recognition Based on Perception Data from a Bionic Tactile Sensor ». Sensors 21, no 15 (2 août 2021) : 5224. http://dx.doi.org/10.3390/s21155224.
Texte intégralZhou, Huaidong, Wusheng Chou, Wanchen Tuo, Yongfeng Rong et Song Xu. « Mobile Manipulation Integrating Enhanced AMCL High-Precision Location and Dynamic Tracking Grasp ». Sensors 20, no 22 (23 novembre 2020) : 6697. http://dx.doi.org/10.3390/s20226697.
Texte intégralZapata-Impata, Brayan S., Pablo Gil et Fernando Torres. « Tactile-Driven Grasp Stability and Slip Prediction ». Robotics 8, no 4 (26 septembre 2019) : 85. http://dx.doi.org/10.3390/robotics8040085.
Texte intégralCordeiro, Artur, João Pedro Souza, Carlos M. Costa, Vítor Filipe, Luís F. Rocha et Manuel F. Silva. « Bin Picking for Ship-Building Logistics Using Perception and Grasping Systems ». Robotics 12, no 1 (18 janvier 2023) : 15. http://dx.doi.org/10.3390/robotics12010015.
Texte intégralPastor, Francisco, Da-hui Lin-Yang, Jesús M. Gómez-de-Gabriel et Alfonso J. García-Cerezo. « Dataset with Tactile and Kinesthetic Information from a Human Forearm and Its Application to Deep Learning ». Sensors 22, no 22 (12 novembre 2022) : 8752. http://dx.doi.org/10.3390/s22228752.
Texte intégralImtiaz, Muhammad Babar, Yuansong Qiao et Brian Lee. « Prehensile and Non-Prehensile Robotic Pick-and-Place of Objects in Clutter Using Deep Reinforcement Learning ». Sensors 23, no 3 (29 janvier 2023) : 1513. http://dx.doi.org/10.3390/s23031513.
Texte intégralYang, Zeshi, Kangkang Yin et Libin Liu. « Learning to use chopsticks in diverse gripping styles ». ACM Transactions on Graphics 41, no 4 (juillet 2022) : 1–17. http://dx.doi.org/10.1145/3528223.3530057.
Texte intégralLi, Guozhen, Shiqiang Liu, Liangqi Wang et Rong Zhu. « Skin-inspired quadruple tactile sensors integrated on a robot hand enable object recognition ». Science Robotics 5, no 49 (16 décembre 2020) : eabc8134. http://dx.doi.org/10.1126/scirobotics.abc8134.
Texte intégralAgarwal, Aditya, Yash Oza, Maxim Likhachev et Chad Kessens. « Fast and High-Quality, GPU-based, Deliberative, Object-Pose Estimation ». Field Robotics 1, no 1 (19 octobre 2021) : 34–69. http://dx.doi.org/10.55417/fr.2021002.
Texte intégralSchwarz, Max, Anton Milan, Arul Selvam Periyasamy et Sven Behnke. « RGB-D object detection and semantic segmentation for autonomous manipulation in clutter ». International Journal of Robotics Research 37, no 4-5 (20 juin 2017) : 437–51. http://dx.doi.org/10.1177/0278364917713117.
Texte intégralLiu, Kainan, Meiyun Zhang et Mohammed K. Hassan. « Intelligent image recognition system for detecting abnormal features of scenic spots based on deep learning ». Journal of Intelligent & ; Fuzzy Systems 39, no 4 (21 octobre 2020) : 5149–59. http://dx.doi.org/10.3233/jifs-189000.
Texte intégralMassalim, Yerkebulan, Zhanat Kappassov et Huseyin Atakan Varol. « Deep Vibro-Tactile Perception for Simultaneous Texture Identification, Slip Detection, and Speed Estimation ». Sensors 20, no 15 (25 juillet 2020) : 4121. http://dx.doi.org/10.3390/s20154121.
Texte intégralMeckel, Miriam, et Léa Steinacker. « Hybrid Reality : The Rise of Deepfakes and Diverging Truths ». Morals & ; Machines 1, no 1 (2021) : 12–23. http://dx.doi.org/10.5771/2747-5182-2021-1-12.
Texte intégralMeckel, Miriam, et Léa Steinacker. « Hybrid Reality : The Rise of Deepfakes and Diverging Truths ». Morals & ; Machines 1, no 1 (2021) : 12–23. http://dx.doi.org/10.5771/2747-5174-2021-1-12.
Texte intégralMeckel, Miriam, et Léa Steinacker. « Hybrid Reality : The Rise of Deepfakes and Diverging Truths ». Morals & ; Machines 1, no 1 (2021) : 10–21. http://dx.doi.org/10.5771/2747-5174-2021-1-10.
Texte intégralMeckel, Miriam, et Léa Steinacker. « Hybrid Reality : The Rise of Deepfakes and Diverging Truths ». Morals & ; Machines 1, no 1 (2021) : 10–21. http://dx.doi.org/10.5771/2747-5182-2021-1-10.
Texte intégralZhang, Haiming, Mingchang Wang, Yongxian Zhang et Guorui Ma. « TDA-Net : A Novel Transfer Deep Attention Network for Rapid Response to Building Damage Discovery ». Remote Sensing 14, no 15 (1 août 2022) : 3687. http://dx.doi.org/10.3390/rs14153687.
Texte intégralLee, Jongseok, Ribin Balachandran, Konstantin Kondak, Andre Coelho, Marco De Stefano, Matthias Humt, Jianxiang Feng, Tamim Asfour et Rudolph Triebel. « Virtual Reality via Object Pose Estimation and Active Learning : Realizing Telepresence Robots with Aerial Manipulation Capabilities ». Field Robotics 3, no 1 (10 janvier 2023) : 323–67. http://dx.doi.org/10.55417/fr.2023010.
Texte intégralSeetohul, Jenna, et Mahmood Shafiee. « Snake Robots for Surgical Applications : A Review ». Robotics 11, no 3 (5 mai 2022) : 57. http://dx.doi.org/10.3390/robotics11030057.
Texte intégralSharma, Santosh Kumar. « Failed Nerve Blocks : Prevention and Management ». Journal of Anaesthesia and Critical Care Reports 4, no 3 (2018) : 3–6. http://dx.doi.org/10.13107/jaccr.2018.v04i03.101.
Texte intégralGorjup, Gal, Lucas Gerez et Minas Liarokapis. « Leveraging Human Perception in Robot Grasping and Manipulation Through Crowdsourcing and Gamification ». Frontiers in Robotics and AI 8 (29 avril 2021). http://dx.doi.org/10.3389/frobt.2021.652760.
Texte intégralZhao, Min, Guoyu Zuo, Shuangyue Yu, Daoxiong Gong, Zihao Wang et Ouattara Sie. « Position‐aware pushing and grasping synergy with deep reinforcement learning in clutter ». CAAI Transactions on Intelligence Technology, 2 août 2023. http://dx.doi.org/10.1049/cit2.12264.
Texte intégralPark, Su-Young, Cheonghwa Lee, Suhwan Jeong, Junghyuk Lee, Dohyeon Kim, Youhyun Jang, Woojin Seol, Hyungjung Kim et Sung-Hoon Ahn. « Digital Twin and Deep Reinforcement Learning-Driven Robotic Automation System for Confined Workspaces : A Nozzle Dam Replacement Case Study in Nuclear Power Plants ». International Journal of Precision Engineering and Manufacturing-Green Technology, 18 mars 2024. http://dx.doi.org/10.1007/s40684-023-00593-6.
Texte intégralZheng, Senjing, et Marco Castellani. « Primitive shape recognition from real-life scenes using the PointNet deep neural network ». International Journal of Advanced Manufacturing Technology, 2 août 2022. http://dx.doi.org/10.1007/s00170-022-09791-z.
Texte intégralKu, Subyeong, Byung-Hyun Song, Taejun Park, Younghoon Lee et Yong-Lae Park. « Soft modularized robotic arm for safe human–robot interaction based on visual and proprioceptive feedback ». International Journal of Robotics Research, 20 janvier 2024. http://dx.doi.org/10.1177/02783649241227249.
Texte intégralDuan, Haonan, Peng Wang, Yayu Huang, Guangyun Xu, Wei Wei et Xiaofei Shen. « Robotics Dexterous Grasping : The Methods Based on Point Cloud and Deep Learning ». Frontiers in Neurorobotics 15 (9 juin 2021). http://dx.doi.org/10.3389/fnbot.2021.658280.
Texte intégralWang, Lufeng, Qu Li, Wei Fu, Fei Jiang, Tianxing Song, Guangbo Pi et Shijie Sun. « Enhancing Automated Loading and Unloading of Ship Unloaders through Dynamic 3D Coordinate System with Deep Learning ». INTERNATIONAL JOURNAL OF COMPUTERS COMMUNICATIONS & ; CONTROL 19, no 2 (1 mars 2024). http://dx.doi.org/10.15837/ijccc.2024.2.6234.
Texte intégral