Grasping, Part Identification, and Pose Refinement in One Shot with a Tactile Gripper

要約

積層造形の台頭には、独特の機会と課題が伴います。
3D プリント (3DP) 特有の部品設計の迅速な変更や大規模な部品のカスタマイズを簡単に実現できます。
歯型、靴の中敷き、エンジンベーンなど、独自でありながら同様の機能を示すカスタマイズされた部品は、3DP を使用して工業的に製造できます。
ただし、大規模なパーツのカスタマイズの機会には、ロボット工学アプリケーションの既存の生産パラダイムに特有の課題が伴います。これは、パーツの識別と姿勢調整のための現在のロボット工学パラダイムは反復的であり、データ駆動型およびオブジェクト依存のアプローチがよく使用されるためです。
したがって、大規模なカスタマイズが必要な 3DP パーツのロボティクス アプリケーションにはボトルネックが存在します。これは、特徴ベースの深層学習アプローチでは、異なる人が所有する靴の中敷きなどの類似したパーツを区別することが困難であるためです。
そこで、我々は、触覚グリッパーを使用して、掴み、パーツの識別、ポーズの調整をワンショットで実行できるように、3DP パーツ上のパターンを拡張する方法を提案します。
また、ロボットの仕分けと梱包を模倣した実際の挿入タスクを含む 3 つの観点からアプローチを実験的に評価し、優れた分類結果、95% の高い挿入成功率、およびミリメートル未満の姿勢調整精度を達成しました。

要約(オリジナル)

The rise in additive manufacturing comes with unique opportunities and challenges. Rapid changes to part design and massive part customization distinctive to 3D-Print (3DP) can be easily achieved. Customized parts that are unique, yet exhibit similar features such as dental moulds, shoe insoles, or engine vanes could be industrially manufactured with 3DP. However, the opportunity for massive part customization comes with unique challenges for the existing production paradigm of robotics applications, as the current robotics paradigm for part identification and pose refinement is repetitive, where data-driven and object-dependent approaches are often used. Thus, a bottleneck exists in robotics applications for 3DP parts where massive customization is involved, as it is difficult for feature-based deep learning approaches to distinguish between similar parts such as shoe insoles belonging to different people. As such, we propose a method that augments patterns on 3DP parts so that grasping, part identification, and pose refinement can be executed in one shot with a tactile gripper. We also experimentally evaluate our approach from three perspectives, including real insertion tasks that mimic robotic sorting and packing, and achieved excellent classification results, a high insertion success rate of 95%, and a sub-millimeter pose refinement accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google