Modal-graph 3D shape servoing of deformable objects with raw point clouds

要約

点群を使用した変形可能オブジェクト操作 (DOM) は、画像の特徴を検出および追跡することなく非剛体 3D 形状を測定できるため、大きな可能性を秘めています。
ただし、点群を使用した変形可能なオブジェクトのロボットによる形状制御は、未知の点ごとの対応と生の点群のノイズの多い部分観測可能性のため、困難です。
点群とロボットの動きの関係のモデリングの難しさ。
これらの課題に取り組むために、この論文では、生の点群を使用した変形可能なオブジェクトのモデルフリー形状サーボのための新しいモーダル グラフ フレームワークを紹介します。
物体の幾何構造を研究する既存の研究とは異なり、私たちの方法は、測定の不規則性に対して堅牢な DOM システムの低周波変形構造を構築します。
構築されたモーダル表現とグラフ構造により、生の点群から低次元の変形特徴を直接抽出できます。
このような抽出では、位置合わせ、微調整、オクルージョン除去などの追加のポイント処理は必要ありません。
さらに、抽出された特徴を使用して物体を成形するために、オフライン学習や物理的および幾何学的物体モデルの両方を識別せずに、入力状態安定性 (ISS) であることが証明された適応ロバスト コントローラーを設計します。
さまざまな設定の下で、線形、平面、管状、および固体オブジェクトに対するこの方法の有効性を検証するために、広範なシミュレーションと実験が行われます。

要約(オリジナル)

Deformable object manipulation (DOM) with point clouds has great potential as non-rigid 3D shapes can be measured without detecting and tracking image features. However, robotic shape control of deformable objects with point clouds is challenging due to: the unknown point-wise correspondences and the noisy partial observability of raw point clouds; the modeling difficulties of the relationship between point clouds and robot motions. To tackle these challenges, this paper introduces a novel modal-graph framework for the model-free shape servoing of deformable objects with raw point clouds. Unlike the existing works studying the object’s geometry structure, our method builds a low-frequency deformation structure for the DOM system, which is robust to the measurement irregularities. The built modal representation and graph structure enable us to directly extract low-dimensional deformation features from raw point clouds. Such extraction requires no extra point processing of registrations, refinements, and occlusion removal. Moreover, to shape the object using the extracted features, we design an adaptive robust controller which is proved to be input-to-state stable (ISS) without offline learning or identifying both the physical and geometric object models. Extensive simulations and experiments are conducted to validate the effectiveness of our method for linear, planar, tubular, and solid objects under different settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google