RaggeDi: Diffusion-based State Estimation of Disordered Rags, Sheets, Towels and Blankets

要約

布地の状態推定はロボット工学における重要な問題です。
布を操作し、ロボットによる着付け、縫製、人間の覆い/剥がしなどの作業を実行するには、ロボットが正確な状態を知ることが不可欠です。
ただし、布の状態を正確に推定することは、その高い柔軟性と自己閉塞のため依然として困難です。
この論文では、事前に定義された平坦化されたメッシュと変形されたメッシュの間の点ごとの変換 (変換マップ) を記述する RGB 画像として布の状態を表すことによって、布の状態の推定を画像生成問題として定式化する拡散モデルベースのパイプラインを提案します。
正規空間のメッシュ。
次に、条件付き拡散ベースの画像生成モデルをトレーニングして、観測に基づいて変換マップを予測します。
私たちの手法のパフォーマンスを検証するために、シミュレーションと現実世界の両方で実験が行われます。
結果は、私たちの方法が精度と速度の両方で最近の 2 つの方法よりも優れていることを示しています。

要約(オリジナル)

Cloth state estimation is an important problem in robotics. It is essential for the robot to know the accurate state to manipulate cloth and execute tasks such as robotic dressing, stitching, and covering/uncovering human beings. However, estimating cloth state accurately remains challenging due to its high flexibility and self-occlusion. This paper proposes a diffusion model-based pipeline that formulates the cloth state estimation as an image generation problem by representing the cloth state as an RGB image that describes the point-wise translation (translation map) between a pre-defined flattened mesh and the deformed mesh in a canonical space. Then we train a conditional diffusion-based image generation model to predict the translation map based on an observation. Experiments are conducted in both simulation and the real world to validate the performance of our method. Results indicate that our method outperforms two recent methods in both accuracy and speed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google