AO-Grasp: Articulated Object Grasp Generation

要約

AO-Graspは、ロボットがキャビネットや閉鎖などの明確なオブジェクトと対話できるようにする6つのDOFグラップを生成する把握提案方法を紹介します。
AO-GRASPは、AO-GRASPモデルとAO-GRASPデータセットの2つの主な貢献で構成されています。
単一の明確なオブジェクトのセグメント化された部分ポイントクラウドを考えると、AO-GRASPモデルは、実行可能な把握ポイント予測子を使用して、オブジェクトの最適な把握ポイントを予測します。
次に、これらの各ポイントに対応する把握オリエンテーションを見つけ、安定した実用的な把握提案をもたらします。
合成された明確なオブジェクトに78kの実用的な並列ヨウの握りを含む新しいAO-GRASPデータセットでAO-GRASPモデルを訓練します。
シミュレーションでは、AO-Graspは45.0％の成功率を達成しますが、最高のパフォーマンスのベースラインは35.0％の成功率を達成します。
さらに、さまざまな幾何学、関節軸、および共同状態を持つオブジェクトの120の実際のシーンでAO-GRASPを評価します。AO-GRASPはシーンの67.5％で成功したグラスプを生成しますが、ベースラインはシーンの33.3％で成功した把握のみを生成します。
私たちの知る限り、AO-GRASPは、部分検出や手本の把握ヒューリスティックを必要とせずに、部分的なポイント雲から直接明確なオブジェクトで6つのDOFグラップを生成する最初の方法です。
プロジェクトWebサイト：https：//stanford-iprl-lab.github.io/ao-grasp

要約(オリジナル)

We introduce AO-Grasp, a grasp proposal method that generates 6 DoF grasps that enable robots to interact with articulated objects, such as opening and closing cabinets and appliances. AO-Grasp consists of two main contributions: the AO-Grasp Model and the AO-Grasp Dataset. Given a segmented partial point cloud of a single articulated object, the AO-Grasp Model predicts the best grasp points on the object with an Actionable Grasp Point Predictor. Then, it finds corresponding grasp orientations for each of these points, resulting in stable and actionable grasp proposals. We train the AO-Grasp Model on our new AO-Grasp Dataset, which contains 78K actionable parallel-jaw grasps on synthetic articulated objects. In simulation, AO-Grasp achieves a 45.0 % grasp success rate, whereas the highest performing baseline achieves a 35.0% success rate. Additionally, we evaluate AO-Grasp on 120 real-world scenes of objects with varied geometries, articulation axes, and joint states, where AO-Grasp produces successful grasps on 67.5% of scenes, while the baseline only produces successful grasps on 33.3% of scenes. To the best of our knowledge, AO-Grasp is the first method for generating 6 DoF grasps on articulated objects directly from partial point clouds without requiring part detection or hand-designed grasp heuristics. Project website: https://stanford-iprl-lab.github.io/ao-grasp

arxiv情報

提供元, 利用サービス

arxiv.jp, Google