Domain-Independent Disperse and Pick method for Robotic Grasping

要約

乱雑なオブジェクトから見えないオブジェクトを選択することは、オブジェクトのばらつき (形状、サイズ、材質) と乱雑によるオクルージョンのため、困難な問題です。
その結果、把握方法がオブジェクトを適切にセグメント化することが困難になり、ピックされるオブジェクトを単一化できなくなります。
これにより、掴みに失敗したり、一度に複数の物体を一緒にピッキングしたりする可能性があります。
ロボットによる押して移動するアクションは、ワークスペース内にオブジェクトを分散させるのに有益であり、その結果、把握および視覚アルゴリズムが支援されます。
我々は、非常に雑然としたオブジェクトの山の中でドメインに依存しないロボットによる把握のための分散およびピック手法を提案します。
私たちのフレームワークの新しい貢献は、深層学習を必要とせず、目に見えないオブジェクトに作用できるヒューリスティックなクラッター除去手法の導入です。
アルゴリズムの反復ごとに、ロボットは、推定されたクラッター プロファイルに基づいて、押して移動するアクションまたはつかむアクションを実行します。
把握計画のために、最近のドメインに依存しない把握方法の改良された適応バージョンを提示します。
統合システムの有効性は、現実世界だけでなくシミュレーションでも実証されています。

要約(オリジナル)

Picking unseen objects from clutter is a difficult problem because of the variability in objects (shape, size, and material) and occlusion due to clutter. As a result, it becomes difficult for grasping methods to segment the objects properly and they fail to singulate the object to be picked. This may result in grasp failure or picking of multiple objects together in a single attempt. A push-to-move action by the robot will be beneficial to disperse the objects in the workspace and thus assist the grasping and vision algorithm. We propose a disperse and pick method for domain-independent robotic grasping in a highly cluttered heap of objects. The novel contribution of our framework is the introduction of a heuristic clutter removal method that does not require deep learning and can work on unseen objects. At each iteration of the algorithm, the robot either performs a push-to-move action or a grasp action based on the estimated clutter profile. For grasp planning, we present an improved and adaptive version of a recent domain-independent grasping method. The efficacy of the integrated system is demonstrated in simulation as well as in the real-world.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google