A Vision-Guided Robotic System for Grasping Harvested Tomato Trusses in Cluttered Environments

要約

現在、トラストマトの計量と梱包には多大な手作業が必要です。
自動化に対する主な障害は、すでに収穫されたトラスに対する信頼性の高いロボット把握システムを開発することが難しいことにあります。
私たちは、収穫後にトラスが一般的に保管および輸送される方法である、かなり乱雑に木箱に積み上げられたトラスを把握する方法を提案します。
この方法は、まず木箱内の個々のトラスを識別し、次にステム上の適切な掴み位置を決定する深層学習ベースの視覚システムで構成されています。
この目的を達成するために、オンライン学習機能を備えた把握ポーズ ランキング アルゴリズムを導入しました。
最も有望な掴みポーズを選択した後、ロボットはタッチ センサーや幾何学モデルを必要とせずにピンチ掴みを実行します。
アイ・イン・ハンド RGB-D カメラを備えたロボット マニピュレータを使った実験では、山からすべてのトラスを取り出すというタスクを課した場合、クリア率 100% が示されました。
トラスの 93% は最初の試行でうまく掴むことができましたが、残りの 7% はさらに試行が必要でした。

要約(オリジナル)

Currently, truss tomato weighing and packaging require significant manual work. The main obstacle to automation lies in the difficulty of developing a reliable robotic grasping system for already harvested trusses. We propose a method to grasp trusses that are stacked in a crate with considerable clutter, which is how they are commonly stored and transported after harvest. The method consists of a deep learning-based vision system to first identify the individual trusses in the crate and then determine a suitable grasping location on the stem. To this end, we have introduced a grasp pose ranking algorithm with online learning capabilities. After selecting the most promising grasp pose, the robot executes a pinch grasp without needing touch sensors or geometric models. Lab experiments with a robotic manipulator equipped with an eye-in-hand RGB-D camera showed a 100% clearance rate when tasked to pick all trusses from a pile. 93% of the trusses were successfully grasped on the first try, while the remaining 7% required more attempts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google