ShapeShift: Superquadric-based Object Pose Estimation for Robotic Grasping

要約

タイトル：「ShapeShift：スーパークアドリックベースのオブジェクト姿勢推定によるロボティックグラスピング」

要約：
– オブジェクト姿勢推定は、正確なオブジェクト操作のためにロボットにおいて重要なタスクである。
– 現在の技術には参照3Dオブジェクトに依存するものが多く、一般化が制限され、新しいオブジェクトカテゴリーへの拡張が高コストである。
– 直接的な姿勢予測は、3Dモデルの参照なしではロボットグラスピングに限定的な情報を提供する。
– キーポイントベースの方法は、正確な3Dモデルに依存しなくても本質的な記述性を提供するが、一貫性や精度に欠ける可能性がある。
– これらの課題に対処するために、本論文ではShapeShiftを提案する。ShapeShiftは、オブジェクトにフィットされた原始形状に対してオブジェクトの姿勢を予測するスーパークアドリックベースのフレームワークであり、内在的な記述性とトレーニングセットを超えた任意の幾何学的形状に一般化する能力を提供する。

要約(オリジナル)

Object pose estimation is a critical task in robotics for precise object manipulation. However, current techniques heavily rely on a reference 3D object, limiting their generalizability and making it expensive to expand to new object categories. Direct pose predictions also provide limited information for robotic grasping without referencing the 3D model. Keypoint-based methods offer intrinsic descriptiveness without relying on an exact 3D model, but they may lack consistency and accuracy. To address these challenges, this paper proposes ShapeShift, a superquadric-based framework for object pose estimation that predicts the object’s pose relative to a primitive shape which is fitted to the object. The proposed framework offers intrinsic descriptiveness and the ability to generalize to arbitrary geometric shapes beyond the training set.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI