Finding safe 3D robot grasps through efficient haptic exploration with unscented Bayesian optimization and collision penalty

要約

確実な把握はロボット工学における主要な、そしてまだ解決されていない問題です。
物体の 3D 形状に関する情報は、事前の知識 (例: 既知の物体の正確なモデル、またはよく知られた物体の近似モデル) またはリアルタイム センシング (例: 未知の物体の部分的な点群) から取得でき、次の目的に使用できます。
適切な潜在的な把握を特定します。
ただし、モデリングとセンシングの不正確さのため、そのような把握を改善し、現実世界にうまく適用するには、多くの場合、局所的な探索が必要になります。
最近提案されたアンセンテッド ベイジアン最適化手法は、入力空間の不確実性 (たとえば、把握実行の不正確さ) に対して堅牢な把握を選択することで、そのような探索をより安全にすることができます。
2D 最適化に関するこれまでの研究を拡張して、この論文では、非常に効率的な方法で安全な把握を見つけるために、アンセンテッド ベイジアン最適化と新しい衝突ペナルティ ヒューリスティックを組み合わせた 3D 触覚探索戦略を提案します。
衝突ペナルティヒューリスティックにより、探索ステップの数を増やすことなく、より適切な把握を見つけることができます。

要約(オリジナル)

Robust grasping is a major, and still unsolved, problem in robotics. Information about the 3D shape of an object can be obtained either from prior knowledge (e.g., accurate models of known objects or approximate models of familiar objects) or real-time sensing (e.g., partial point clouds of unknown objects) and can be used to identify good potential grasps. However, due to modeling and sensing inaccuracies, local exploration is often needed to refine such grasps and successfully apply them in the real world. The recently proposed unscented Bayesian optimization technique can make such exploration safer by selecting grasps that are robust to uncertainty in the input space (e.g., inaccuracies in the grasp execution). Extending our previous work on 2D optimization, in this paper we propose a 3D haptic exploration strategy that combines unscented Bayesian optimization with a novel collision penalty heuristic to find safe grasps in a very efficient way: while by augmenting the search-space to 3D we are able to find better grasps, the collision penalty heuristic allows us to do so without increasing the number of exploration steps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google