Implicit representation priors meet Riemannian geometry for Bayesian robotic grasping

要約

タイトル：ベイズ的ロボット掴みにおけるリーマン幾何学と暗黙の表現事前分布の組み合わせ

要約：
– 騒音が多い環境でのロボット掴みは、シーンについて事前知識が限られている場合には複雑な課題が発生する。
– 特に、ベイズ推論を用いて良好な掴みポーズを特定する場合、以下の2つの理由から問題が発生する。
1. 情報のない事前分布からデータを生成することが効率的ではない。
2. 後方分布はしばしばリーマン幾何学的多様体上で定義された複雑な分布を持つ。
– 本研究では、暗黙の表現を使用して場面に依存する事前分布を構築し、非構造化環境での成功した掴みポーズの決定に効率的なシミュレーションベースのベイズ推論アルゴリズムを適用することを探究する。
– シミュレーションおよび物理的なベンチマークから得られた結果は、このアプローチの高い成功率と将来性を示している。

要約(オリジナル)

Robotic grasping in highly noisy environments presents complex challenges, especially with limited prior knowledge about the scene. In particular, identifying good grasping poses with Bayesian inference becomes difficult due to two reasons: i) generating data from uninformative priors proves to be inefficient, and ii) the posterior often entails a complex distribution defined on a Riemannian manifold. In this study, we explore the use of implicit representations to construct scene-dependent priors, thereby enabling the application of efficient simulation-based Bayesian inference algorithms for determining successful grasp poses in unstructured environments. Results from both simulation and physical benchmarks showcase the high success rate and promising potential of this approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI