PUGS: Perceptual Uncertainty for Grasp Selection in Underwater Environments

要約

感覚情報が不完全で不完全な挑戦的な環境でナビゲートおよび相互作用する場合、ロボットはこれらの欠点を説明する決定を下す必要があります。
占有の不確実性の推定による3D再構成におけるこのような知覚的不確実性を定量化および表現するための新しい方法を提案します。
私たちは、水中環境での自律操作のための選択にそれを把握するためのフレームワークを開発します。
どの場所を把握するかを決定する際に各測定を均等に扱う代わりに、マルチビューの再構成プロセスに固有の不確実性を把握選択に伝播するフレームワークを提示します。
シミュレートされたデータと現実世界の両方のデータを使用して方法を評価し、不確実性を考慮することにより、把握選択が部分的で騒々しい測定に対して堅牢になることを示しています。
コードはhttps://onurbagoren.github.io/pugs/で利用可能になります

要約(オリジナル)

When navigating and interacting in challenging environments where sensory information is imperfect and incomplete, robots must make decisions that account for these shortcomings. We propose a novel method for quantifying and representing such perceptual uncertainty in 3D reconstruction through occupancy uncertainty estimation. We develop a framework to incorporate it into grasp selection for autonomous manipulation in underwater environments. Instead of treating each measurement equally when deciding which location to grasp from, we present a framework that propagates uncertainty inherent in the multi-view reconstruction process into the grasp selection. We evaluate our method with both simulated and the real world data, showing that by accounting for uncertainty, the grasp selection becomes robust against partial and noisy measurements. Code will be made available at https://onurbagoren.github.io/PUGS/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google