Instance-wise Grasp Synthesis for Robotic Grasping

要約

高品質のインスタンスごとの把握構成を生成することは、複数オブジェクト環境で特定のオブジェクトを把握する方法に関する重要な情報を提供し、ロボット操作タスクにとって非常に重要です。
この研究では、インスタンス マスクと把握構成という 1 つの段階で高品質なインスタンス単位の把握合成を実行する、新しい \textbf{S}ingle-\textbf{S}tage \textbf{G}rasp (SSG) 合成ネットワークが提案されました。
オブジェクトごとに同時に生成されます。
私たちの方法は、OCID-Grasp データセットに基づく最先端のロボット把持予測よりも優れており、JACQUARD データセットで競合的に実行されます。
ベンチマークの結果は、生成された把握構成の精度のベースラインと比較して大幅な改善を示しました。
提案された方法の性能は、単一のオブジェクトのピックアンドプレース、雑然とした環境での合成の把握、テーブルのクリーニングタスクを含む3つのタスクについて、広範なシミュレーションと実際のロボット実験の両方を通じて検証されています。

要約(オリジナル)

Generating high-quality instance-wise grasp configurations provides critical information of how to grasp specific objects in a multi-object environment and is of high importance for robot manipulation tasks. This work proposed a novel \textbf{S}ingle-\textbf{S}tage \textbf{G}rasp (SSG) synthesis network, which performs high-quality instance-wise grasp synthesis in a single stage: instance mask and grasp configurations are generated for each object simultaneously. Our method outperforms state-of-the-art on robotic grasp prediction based on the OCID-Grasp dataset, and performs competitively on the JACQUARD dataset. The benchmarking results showed significant improvements compared to the baseline on the accuracy of generated grasp configurations. The performance of the proposed method has been validated through both extensive simulations and real robot experiments for three tasks including single object pick-and-place, grasp synthesis in cluttered environments and table cleaning task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google