Model-free Grasping with Multi-Suction Cup Grippers for Robotic Bin Picking

要約

この論文では、複数の吸盤を備えた吸盤グリッパーの把握姿勢をモデルフリーで予測するための新しい方法を紹介します。
私たちのアプローチはグリッパーの設計に依存せず、グリッパー固有のトレーニング データを必要としません。
特に、我々は 2 段階のアプローチを提案します。最初に、ニューラル ネットワークが入力画像のピクセル単位の把握品質を予測して、一般的に把握可能な領域を示します。
次に、最適化ステップでは、設定されたグリッパーのレイアウトと起動スキームに基づいて、最適なグリッパーの選択と対応する把握ポーズを決定します。
さらに、把握品質ネットワークの教師ありトレーニングのための自動ラベル付けの方法を紹介します。
さまざまな難易度のビンピッキングシーンを使用した実際の産業アプリケーションでの実験評価により、私たちの方法の有効性が実証されました。

要約(オリジナル)

This paper presents a novel method for model-free prediction of grasp poses for suction grippers with multiple suction cups. Our approach is agnostic to the design of the gripper and does not require gripper-specific training data. In particular, we propose a two-step approach, where first, a neural network predicts pixel-wise grasp quality for an input image to indicate areas that are generally graspable. Second, an optimization step determines the optimal gripper selection and corresponding grasp poses based on configured gripper layouts and activation schemes. In addition, we introduce a method for automated labeling for supervised training of the grasp quality network. Experimental evaluations on a real-world industrial application with bin picking scenes of varying difficulty demonstrate the effectiveness of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google