GrainGrasp: Dexterous Grasp Generation with Fine-grained Contact Guidance

要約

ロボットによる器用な把握の目標の 1 つは、ロボットが人間と同じレベルの柔軟性と順応性で物体を扱えるようにすることです。
しかし、器用な手にとって最適な把握戦略を生成することは、依然として困難な課題であり、特に、さまざまな形状やサイズの物体に対する繊細な操作や望ましい把握ポーズの正確な調整に関しては困難です。
この論文では、各指先にきめ細かい接触ガイドを提供する \textbf{\textit{GrainGrasp}} と呼ばれる新しい器用な把握生成スキームを提案します。
特に、生成モデルを使用してオブジェクト点群上の各指先の個別の接触マップを予測し、指とオブジェクトの相互作用の詳細を効果的に捕捉します。
さらに、入力として点群のみに依存する新しい器用な把握最適化アルゴリズムを開発し、オブジェクトの完全なメッシュ情報の必要性を排除します。
さまざまな指先の接触マップを活用することで、提案された最適化アルゴリズムは、人間のような物体把握のための正確かつ決定可能な戦略を生成できます。
実験結果により、提案されたスキームの効率が確認されました。
私たちのコードは https://github.com/wmtlab/GrainGrasp で入手できます。

要約(オリジナル)

One goal of dexterous robotic grasping is to allow robots to handle objects with the same level of flexibility and adaptability as humans. However, it remains a challenging task to generate an optimal grasping strategy for dexterous hands, especially when it comes to delicate manipulation and accurate adjustment the desired grasping poses for objects of varying shapes and sizes. In this paper, we propose a novel dexterous grasp generation scheme called \textbf{\textit{GrainGrasp}} that provides fine-grained contact guidance for each fingertip. In particular, we employ a generative model to predict separate contact maps for each fingertip on the object point cloud, effectively capturing the specifics of finger-object interactions. In addition, we develop a new dexterous grasping optimization algorithm that solely relies on the point cloud as input, eliminating the necessity for complete mesh information of the object. By leveraging the contact maps of different fingertips, the proposed optimization algorithm can generate precise and determinable strategies for human-like object grasping. Experimental results confirm the efficiency of the proposed scheme. Our code is available at https://github.com/wmtlab/GrainGrasp

arxiv情報

提供元, 利用サービス

arxiv.jp, Google