DexSinGrasp: Learning a Unified Policy for Dexterous Object Singulation and Grasping in Cluttered Environments

要約

散らかった環境でオブジェクトをつかむことは、ロボット操作における根本的でありながら挑戦的な問題のままです。
以前の作品は、2本指のグリッパーのプッシュとグラズを把握することの間の学習ベースの相乗効果を調査していますが、器用な手で高度の自由度（DOF）を活用して、散らかった設定で把握するための効率的な歌唱を行う人はほとんどいません。
この作業では、器用なオブジェクトの歌と把握のための統一されたポリシーであるDexSingraspを紹介します。
DexSingraspにより、高度なオブジェクトのシングル化が把握を促進し、散らかった環境で効率と有効性を大幅に改善します。
乱雑なアレンジメントカリキュラム学習を組み込み、多様な乱雑な条件全体で成功率と一般化を強化しますが、政策の蒸留により、展開可能なビジョンベースのグラッピング戦略が可能になります。
アプローチを評価するために、さまざまなオブジェクトの配置と閉塞レベルを備えた、散らかった握りしめられたタスクのセットを紹介します。
実験結果は、私たちの方法が、特に密集したクラッターで、効率と成功率の両方のベースラインよりも優れていることを示しています。
コード、付録、ビデオは、プロジェクトWebサイトhttps://nus-lins-lab.github.io/dexsingweb/で入手できます。

要約(オリジナル)

Grasping objects in cluttered environments remains a fundamental yet challenging problem in robotic manipulation. While prior works have explored learning-based synergies between pushing and grasping for two-fingered grippers, few have leveraged the high degrees of freedom (DoF) in dexterous hands to perform efficient singulation for grasping in cluttered settings. In this work, we introduce DexSinGrasp, a unified policy for dexterous object singulation and grasping. DexSinGrasp enables high-dexterity object singulation to facilitate grasping, significantly improving efficiency and effectiveness in cluttered environments. We incorporate clutter arrangement curriculum learning to enhance success rates and generalization across diverse clutter conditions, while policy distillation enables a deployable vision-based grasping strategy. To evaluate our approach, we introduce a set of cluttered grasping tasks with varying object arrangements and occlusion levels. Experimental results show that our method outperforms baselines in both efficiency and grasping success rate, particularly in dense clutter. Codes, appendix, and videos are available on our project website https://nus-lins-lab.github.io/dexsingweb/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google