Self Supervised Deep Learning for Robot Grasping

要約

学習ベースのロボット把握には現在、ラベル付きデータの使用が含まれています。
このアプローチには 2 つの大きな欠点があります。
まず、把握点と角度のデータにラベルを付けるのは骨の折れるプロセスであるため、データセットは限られたままです。
第二に、人間によるラベル付けは意味論によるバイアスがかかりやすいです。
これらの問題を解決するために、畳み込みニューラル ネットワーク (CNN) をトレーニングする、より単純な自己監視型ロボットのセットアップを提案します。
ロボットはトレーニング プロセス中にデータにラベルを付けて収集します。
そのアイデアは、研究室のセットアップにおいて、より低コストで小型でメンテナンスが容易なロボットを作成することです。
ロボットは大規模なデータセットで数百時間トレーニングされ、その後、トレーニングされたニューラル ネットワークがより大型の把握ロボットにマッピングされます。

要約(オリジナル)

Learning Based Robot Grasping currently involves the use of labeled data. This approach has two major disadvantages. Firstly, labeling data for grasp points and angles is a strenuous process, so the dataset remains limited. Secondly, human labeling is prone to bias due to semantics. In order to solve these problems we propose a simpler self-supervised robotic setup, that will train a Convolutional Neural Network (CNN). The robot will label and collect the data during the training process. The idea is to make a robot that is less costly, small and easily maintainable in a lab setup. The robot will be trained on a large data set for several hundred hours and then the trained Neural Network can be mapped onto a larger grasping robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google