Sim-Grasp: Learning 6-DOF Grasp Policies for Cluttered Environments Using a Synthetic Benchmark

要約

この論文では、乱雑な環境でのオブジェクト操作を強化するための高度な言語モデルを統合する、堅牢な 6-DOF 2 本指把握システムである Sim-Grasp を紹介します。
Sim-Grasp-Dataset を導入し、500 のシナリオにわたる 1,550 のオブジェクトと 790 万の注釈付きラベルを含み、点群から把握ポーズを生成する Sim-GraspNet を開発します。
Sim-Grasp-Polics は、単一オブジェクトの場合は 97.14%、レベル 1 ～ 2 およびレベル 3 ～ 4 のオブジェクトの混合クラッター シナリオではそれぞれ 87.43% と 83.33% の把握成功率を達成しました。
Sim-Grasp は、テキストおよびボックス プロンプトを介してターゲットを識別するための言語モデルを組み込むことにより、オブジェクトに依存しないターゲットとターゲットのピッキングの両方を可能にし、インテリジェント ロボット システムの限界を押し広げます。

要約(オリジナル)

In this paper, we present Sim-Grasp, a robust 6-DOF two-finger grasping system that integrates advanced language models for enhanced object manipulation in cluttered environments. We introduce the Sim-Grasp-Dataset, which includes 1,550 objects across 500 scenarios with 7.9 million annotated labels, and develop Sim-GraspNet to generate grasp poses from point clouds. The Sim-Grasp-Polices achieve grasping success rates of 97.14% for single objects and 87.43% and 83.33% for mixed clutter scenarios of Levels 1-2 and Levels 3-4 objects, respectively. By incorporating language models for target identification through text and box prompts, Sim-Grasp enables both object-agnostic and target picking, pushing the boundaries of intelligent robotic systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google