GraNet: A Multi-Level Graph Network for 6-DoF Grasp Pose Generation in Cluttered Scenes

要約

非構造化環境における 6-DoF の物体に依存しない把握は、ロボット工学において重要かつ困難なタスクです。
現在の研究のほとんどは、把握タスクに関係なく、把握位置をサンプリングし、空間的特徴を学習するために最適化されていないアプローチを使用しています。
この論文では、点群シーンをマルチレベル グラフに変換し、グラフ ニューラル ネットワークを通じて特徴を伝播する、グラフベースの把握姿勢生成フレームワークである GraNet を提案します。
GraNet は、シーン レベル、オブジェクト レベル、把握ポイント レベルでグラフを構築することで、学習によって理想的な把握位置に徐々に収束しながら、複数のスケールでの特徴の埋め込みを強化します。
したがって、私たちのパイプラインは、乱雑なシーンにおける把握の空間分布を特徴づけることができ、効果的な把握率の向上につながります。
さらに、グラフ内の局所的な関係を利用する構造認識アテンション メカニズムによって、スケーラブルなグラフ ネットワークの表現能力を強化します。
私たちの手法は、大規模な GraspNet-1Billion ベンチマークで、特に目に見えないオブジェクトの把握において最先端のパフォーマンスを達成しました (+11.62 AP)。
実際のロボット実験では、散乱した物体を掴むことに高い成功率を示し、非構造化環境における提案手法の有効性が実証されました。

要約(オリジナル)

6-DoF object-agnostic grasping in unstructured environments is a critical yet challenging task in robotics. Most current works use non-optimized approaches to sample grasp locations and learn spatial features without concerning the grasping task. This paper proposes GraNet, a graph-based grasp pose generation framework that translates a point cloud scene into multi-level graphs and propagates features through graph neural networks. By building graphs at the scene level, object level, and grasp point level, GraNet enhances feature embedding at multiple scales while progressively converging to the ideal grasping locations by learning. Our pipeline can thus characterize the spatial distribution of grasps in cluttered scenes, leading to a higher rate of effective grasping. Furthermore, we enhance the representation ability of scalable graph networks by a structure-aware attention mechanism to exploit local relations in graphs. Our method achieves state-of-the-art performance on the large-scale GraspNet-1Billion benchmark, especially in grasping unseen objects (+11.62 AP). The real robot experiment shows a high success rate in grasping scattered objects, verifying the effectiveness of the proposed approach in unstructured environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google