AutoURDF: Unsupervised Robot Modeling from Point Cloud Frames Using Cluster Registration

要約

ロボットの説明モデルはシミュレーションと制御に不可欠ですが、それらの作成には多くの場合、重要な手動の努力が必要です。
このモデリングプロセスを合理化するために、Pointクラウドフレームから目に見えないロボットの説明ファイルを構築するための監視されていないアプローチであるAutourDFを紹介します。
この方法では、ポイントクラスターの6-DOF変換を追跡するクラスターベースのポイントクラウド登録モデルを活用します。
クラスターの動きを分析することにより、次の課題に階層的に対処します。（1）移動部のセグメンテーション、（2）身体トポロジ推論、および（3）ジョイントパラメーターの推定。
完全なパイプラインは、既存のシミュレーターと完全に互換性のあるロボット説明ファイルを生成します。
合成スキャンデータと現実世界の両方のスキャンデータを使用して、さまざまなロボット全体でメソッドを検証します。
結果は、私たちのアプローチが登録および身体トポロジの推定精度の以前の方法よりも優れており、自動ロボットモデリングのためのスケーラブルなソリューションを提供することを示しています。

要約(オリジナル)

Robot description models are essential for simulation and control, yet their creation often requires significant manual effort. To streamline this modeling process, we introduce AutoURDF, an unsupervised approach for constructing description files for unseen robots from point cloud frames. Our method leverages a cluster-based point cloud registration model that tracks the 6-DoF transformations of point clusters. Through analyzing cluster movements, we hierarchically address the following challenges: (1) moving part segmentation, (2) body topology inference, and (3) joint parameter estimation. The complete pipeline produces robot description files that are fully compatible with existing simulators. We validate our method across a variety of robots, using both synthetic and real-world scan data. Results indicate that our approach outperforms previous methods in registration and body topology estimation accuracy, offering a scalable solution for automated robot modeling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google