Gravity-aware Grasp Generation with Implicit Grasp Mode Selection for Underactuated Hands

要約

平行ジョーグリッパーの機械的制限を克服するために、本稿では、作動が不十分な手の精密な把握と力による把握の両方をサポートする、重力を考慮した把握の生成を紹介します。
我々は、重力拒否スコアを持つ大規模なデータセットを生成する新しいアプローチを提案し、そのスコアと古典的な成功/失敗の二項分類の組み合わせが強力であることを実験的に確認します。
一方、後者は、他の物体との衝突やグリッパーにとって大きすぎる部品を掴もうとするなど、無効な掴みを拒否します。
また、SO(3) 上で連続し、掴みの物理的意味を考慮した回転表現を提案します。
当社のシミュレーションと実際のロボット評価実験では、特に重量物に関して、ベースライン作業からの大幅な改善が実証されました。

要約(オリジナル)

To overcome the mechanical limitation of parallel-jaw grippers, in this paper, we present a gravity-aware grasp generation that supports both precision grasp and power grasp of underactuated hands. We propose a novel approach to generate a large-scale dataset with a gravity-rejection score and experimentally confirm that the combination of that score and classical success/fail binary classification is powerful: the former encourages stable grasps, such as power grasps or grasping the center of mass, while the latter rejects invalid grasps, such as colliding with other objects or attempting to grasp parts that are too large for the gripper. We also propose a rotation representation that is continuous on SO(3) and considers the grasp’s physical meaning. Our simulation and real robot evaluation experiments demonstrate significant improvements from the baseline works, especially for heavy objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google