QuickGrasp: Lightweight Antipodal Grasp Planning with Point Clouds

要約

把握は、ロボットと環境の間の最終的なインターフェースを促進する上で長年の課題でした。
環境とタスクが複雑になるにつれて、周囲から推測してそれらに基づいて行動するためにより高い知性を埋め込む必要性が必要になりました。
ほとんどの方法は、6度のフリードーム空間での純粋なサンプリングベースのアプローチまたは学習問題として、問題を扱うことにより、把握ポーズを推定する手法を利用していますが、通常、ドメイン全体の一般化が不十分なため、実際の設定では失敗します。
さらに、非効率性と既存の把握計画アプローチの確率的性質をサンプリングするために、把握計画と再現性の欠如を生成するのにかかった時間は、実際のタスクでの適用を厳しく制限します。
このペーパーでは、ロボットグラスプランニング、特にアンチポーダルグラスクに対する軽量の分析的アプローチを提示します。
提案されている把握計画アルゴリズムは、エンド効果のポーズを直接推定するのではなく、オブジェクト表面の把握ポイントを推定するための最適化問題として定式化されます。
この程度まで、湾曲した表面の場合でも、効果的な平面セグメンテーションのために、ソフト領域成長アルゴリズムが提示されます。
次に、最適化ベースの品質メトリックを把握ポイントの評価に使用して、間接力の閉鎖を保証します。
提案された把握フレームワークは、複数のシミュレートされたオブジェクトのベースラインとして、既存の最先端の把握計画アプローチであるGrasp Pose Detection（GPD）と比較されます。
GPDと比較した提案されたアプローチの有効性は、ImageおよびPoint-Cloudデータを使用した実際の設定でも評価され、LobotiqグリッパーとUR5マニピュレーターを使用して計画されたグラスプが実行されます。

要約(オリジナル)

Grasping has been a long-standing challenge in facilitating the final interface between a robot and the environment. As environments and tasks become complicated, the need to embed higher intelligence to infer from the surroundings and act on them has become necessary. Although most methods utilize techniques to estimate grasp pose by treating the problem via pure sampling-based approaches in the six-degree-of-freedom space or as a learning problem, they usually fail in real-life settings owing to poor generalization across domains. In addition, the time taken to generate the grasp plan and the lack of repeatability, owing to sampling inefficiency and the probabilistic nature of existing grasp planning approaches, severely limits their application in real-world tasks. This paper presents a lightweight analytical approach towards robotic grasp planning, particularly antipodal grasps, with little to no sampling in the six-degree-of-freedom space. The proposed grasp planning algorithm is formulated as an optimization problem towards estimating grasp points on the object surface instead of directly estimating the end-effector pose. To this extent, a soft-region-growing algorithm is presented for effective plane segmentation, even in the case of curved surfaces. An optimization-based quality metric is then used for the evaluation of grasp points to ensure indirect force closure. The proposed grasp framework is compared with the existing state-of-the-art grasp planning approach, Grasp pose detection (GPD), as a baseline over multiple simulated objects. The effectiveness of the proposed approach in comparison to GPD is also evaluated in a real-world setting using image and point-cloud data, with the planned grasps being executed using a ROBOTIQ gripper and UR5 manipulator.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google