Simulation-based Bayesian inference for robotic grasping

要約

一般的なロボット グリッパーは、非滑らかな接触ダイナミクスが豊富で、環境やセンサー ノイズによる不確実性の原因が多いため、制御が困難です。
この作業では、システム内の多くの不確実性を確実に考慮しながら、環境内のロボットの完全な確率的順方向シミュレーションを通じて、シミュレーションベースのベイジアン推論を使用して 6-DoF 把握ポーズを計算する方法を示します。
回転空間の非線形性を維持するリーマン多様体最適化手順を使用して、事後把握ポーズの最大値を計算します。
シミュレーションと物理的なベンチマークは、このアプローチの有望な高い成功率を示しています。

要約(オリジナル)

General robotic grippers are challenging to control because of their rich nonsmooth contact dynamics and the many sources of uncertainties due to the environment or sensor noise. In this work, we demonstrate how to compute 6-DoF grasp poses using simulation-based Bayesian inference through the full stochastic forward simulation of the robot in its environment while robustly accounting for many of the uncertainties in the system. A Riemannian manifold optimization procedure preserving the nonlinearity of the rotation space is used to compute the maximum a posteriori grasp pose. Simulation and physical benchmarks show the promising high success rate of the approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google