Grasping a Handful: Sequential Multi-Object Dexterous Grasp Generation

要約

ロボットハンドの部分的な自由度（DOF）を使用して、多様なオブジェクトの安定したグラスを堅牢に合成できる、シーケンシャルマルチオブジェクトロボットグラスサンプリングアルゴリズムSeqGraspを導入します。
SEQGRASPを使用して、大規模なAllegroハンドシーケンシャルグレーシングデータセットseqdatasetを構築し、拡散ベースのシーケンシャルグラスジェネレーターSeqdiffuserのトレーニングに使用します。
シミュレーションおよび実際のロボットで、最先端の非採点マルチオブジェクトグラスグラスグラスグラスメソッドMultigraspに対してSeqgraspとSeqdiffuserを実験的に評価します。
実験結果は、SeqgraspとSeqdiffuserがMultiGraspよりも8.71％-43.33％上昇した成功率に達することを示しています。
さらに、seqdiffuserは、seqgraspおよびmultigraspよりも、把握の生成が約1000倍高速です。

要約(オリジナル)

We introduce the sequential multi-object robotic grasp sampling algorithm SeqGrasp that can robustly synthesize stable grasps on diverse objects using the robotic hand’s partial Degrees of Freedom (DoF). We use SeqGrasp to construct the large-scale Allegro Hand sequential grasping dataset SeqDataset and use it for training the diffusion-based sequential grasp generator SeqDiffuser. We experimentally evaluate SeqGrasp and SeqDiffuser against the state-of-the-art non-sequential multi-object grasp generation method MultiGrasp in simulation and on a real robot. The experimental results demonstrate that SeqGrasp and SeqDiffuser reach an 8.71%-43.33% higher grasp success rate than MultiGrasp. Furthermore, SeqDiffuser is approximately 1000 times faster at generating grasps than SeqGrasp and MultiGrasp.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google