ParaPose: Parameter and Domain Randomization Optimization for Pose Estimation using Synthetic Data

要約

姿勢推定は、シーン内のオブジェクトの 6D 位置を決定するタスクです。
姿勢推定は、ロボットのセットアップの能力と柔軟性を支援します。
ただし、適切に実行するには、システムをユースケースに合わせて構成する必要があります。
この構成は時間がかかり、姿勢推定の有用性を制限し、それによってロボット システムを制限します。
ディープ ラーニングは、データセットから直接パラメーターを学習することで、この構成手順を克服する方法です。
ただし、このトレーニング データの取得には非常に時間がかかる場合もあります。
合成トレーニング データを使用すると、このデータ収集の問題を回避できますが、ドメイン ギャップの問題を克服するには、トレーニング手順の構成が必要です。
さらに、ポーズ推定パラメーターも構成する必要があります。
この構成は、満足のいく結果が得られるまでパラメーターが手動で調整されるため、冗談めかして大学院生の降下として知られています。
このホワイト ペーパーでは、合成データのみを使用した自動構成の方法を紹介します。
これは、ネットワーク トレーニング中にドメインのランダム化を学習し、ドメインのランダム化を使用して姿勢推定パラメーターを最適化することによって実現されます。
開発されたアプローチは、困難な OCCLUSION データセットで 82.0 % の再現率という最先端のパフォーマンスを示し、以前のすべての方法を大幅に上回っています。
これらの結果は、純粋な合成データを使用した姿勢推定の自動セットアップの有効性を証明しています。

要約(オリジナル)

Pose estimation is the task of determining the 6D position of an object in a scene. Pose estimation aid the abilities and flexibility of robotic set-ups. However, the system must be configured towards the use case to perform adequately. This configuration is time-consuming and limits the usability of pose estimation and, thereby, robotic systems. Deep learning is a method to overcome this configuration procedure by learning parameters directly from the dataset. However, obtaining this training data can also be very time-consuming. The use of synthetic training data avoids this data collection problem, but a configuration of the training procedure is necessary to overcome the domain gap problem. Additionally, the pose estimation parameters also need to be configured. This configuration is jokingly known as grad student descent as parameters are manually adjusted until satisfactory results are obtained. This paper presents a method for automatic configuration using only synthetic data. This is accomplished by learning the domain randomization during network training, and then using the domain randomization to optimize the pose estimation parameters. The developed approach shows state-of-the-art performance of 82.0 % recall on the challenging OCCLUSION dataset, outperforming all previous methods with a large margin. These results prove the validity of automatic set-up of pose estimation using purely synthetic data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google