Grasp Force Optimization as a Bilinear Matrix Inequality Problem: A Deep Learning Approach

要約

把握力の合成は、双一次の制約を伴う非凸最適化問題です。
この問題に対する従来のアプローチには、汎用の勾配ベースの非線形最適化と半定値プログラミングが含まれます。
姿勢の相乗効果と、滑らかではないが凸状の正の半定値制約に対処することを目的として、勾配ベースの最適化の先を見据えています。
この論文の焦点は、双一次行列不等式 (BMI) 問題として、多指ロボットハンドにおける生体模倣把握の把握解析を行うことです。
私たちの分析は、深層学習アプローチを使用してこれを解決し、アルゴリズムがトレーニングされていない/見たことのないオブジェクトに対して最適な把握品質を持つフォースクロージャー把握を効率的に生成できるようにすることです。

要約(オリジナル)

Grasp force synthesis is a non-convex optimization problem involving constraints that are bilinear. Traditional approaches to this problem involve general-purpose gradient-based nonlinear optimization and semi-definite programming. With a view towards dealing with postural synergies and non-smooth but convex positive semidefinite constraints, we look beyond gradient-based optimization. The focus of this paper is to undertake a grasp analysis of biomimetic grasping in multi-fingered robotic hands as a bilinear matrix inequality (BMI) problem. Our analysis is to solve it using a deep learning approach to make the algorithm efficiently generate force closure grasps with optimal grasp quality on untrained/unseen objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google