Pick and Place Planning is Better than Pick Planning then Place Planning

要約

ロボットのピック アンド プレイスは自律操作の中心にあります。
雑然とした環境または複雑な環境で実施する場合、ロボットは確実に成功するために、選択した掴みと望ましい配置場所について共同で推論する必要があります。
この共同ピックアンドプレイス問題を検討した研究はいくつかありますが、多指の把握計画に最近の学習ベースのアプローチを完全に活用した研究はありません。
我々は、部分的な視点群からの新しい物体の多指把握を計画するために最先端の把握分類器を利用できる共同ピックアンドプレイス計画のためのモジュール式アルゴリズムを提示する。
さまざまな配置タスクに関連するいくつかのコストを使用して、共同ピック アンド プレイスの定式化を示します。
物理ロボットを使用した乱雑なシーンでのピック アンド プレース タスクの実験では、共同推論方法が順次ピックしてプレースするアプローチよりも成功し、より良い配置構成も実現できることがわかりました。

要約(オリジナル)

Robotic pick and place stands at the heart of autonomous manipulation. When conducted in cluttered or complex environments robots must jointly reason about the selected grasp and desired placement locations to ensure success. While several works have examined this joint pick-and-place problem, none have fully leveraged recent learning-based approaches for multi-fingered grasp planning. We present a modular algorithm for joint pick and place planning that can make use of state of the art grasp classifiers for planning multi-fingered grasps for novel objects from partial view point clouds. We demonstrate our joint pick and place formulation with several costs associated with different placement tasks. Experiments on pick and place tasks with cluttered scenes using a physical robot show that our joint inference method is more successful than a sequential pick then place approach, while also achieving better placement configurations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google