Corner-Grasp: Multi-Action Grasp Detection and Active Gripper Adaptation for Grasping in Cluttered Environments

要約

ロボットの把握は重要な機能であり、ロボットが周囲と物理的に相互作用できるようにする上で重要な役割を果たします。
広範な研究にもかかわらず、ターゲットオブジェクトの多様な形状と特性、センシングの不正確さ、環境との潜在的な衝突による課題は残っています。
この作業では、これらの課題が交差する散らかったビンピッキング環境を効果的に把握する方法を提案します。
私たちは、吸引と指の両方の握りを組み合わせて、幅広いオブジェクトを処理する多機能グリッパーを利用します。
また、往復吸引カップと再構成可能な指の動きを積極的に活用することにより、グリッパーハードウェアと周囲の環境間の衝突を最小限に抑えるためのアクティブなグリッパー適応戦略を提示します。
グリッパーの機能を完全に活用するために、単一の入力RGB-D画像から吸引点と指の握りポイントを検出するニューラルネットワークを構築しました。
このネットワークは、シミュレーションから生成された大規模な合成データセットを使用してトレーニングされています。
これに加えて、多様な特性を持つさまざまなオブジェクトの把握ポイント検出を促進する実際のデータセットを構築するための効率的なアプローチを提案します。
実験結果は、提案された方法が、散らかったビンピッキングシナリオでオブジェクトを把握し、ビンの角などの環境制約との衝突を防ぐことができることを示しています。
私たちの提案された方法は、ICRA 2024で開催された第9回ロボット把握および操作競争（RGMC）でその有効性を実証しました。

要約(オリジナル)

Robotic grasping is an essential capability, playing a critical role in enabling robots to physically interact with their surroundings. Despite extensive research, challenges remain due to the diverse shapes and properties of target objects, inaccuracies in sensing, and potential collisions with the environment. In this work, we propose a method for effectively grasping in cluttered bin-picking environments where these challenges intersect. We utilize a multi-functional gripper that combines both suction and finger grasping to handle a wide range of objects. We also present an active gripper adaptation strategy to minimize collisions between the gripper hardware and the surrounding environment by actively leveraging the reciprocating suction cup and reconfigurable finger motion. To fully utilize the gripper’s capabilities, we built a neural network that detects suction and finger grasp points from a single input RGB-D image. This network is trained using a larger-scale synthetic dataset generated from simulation. In addition to this, we propose an efficient approach to constructing a real-world dataset that facilitates grasp point detection on various objects with diverse characteristics. Experiment results show that the proposed method can grasp objects in cluttered bin-picking scenarios and prevent collisions with environmental constraints such as a corner of the bin. Our proposed method demonstrated its effectiveness in the 9th Robotic Grasping and Manipulation Competition (RGMC) held at ICRA 2024.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google