Simultaneous Pick and Place Detection by Combining SE(3) Diffusion Models with Differential Kinematics

要約

把握検出方法は、通常、オブジェクトを把握できる自由に浮かぶハンドポーズのセットの検出をターゲットにします。
ただし、検出された把握ポーズのすべてが、物理的な制約のために実行可能であるわけではありません。
ポストプロセスで無効な把握ポーズをフィルタリングするのは簡単ですが、このような2段階のアプローチは、特に制約が困難な場合は計算的に非効率的です。
この作業では、把握検出段階で次の2つの制約を考慮するアプローチを提案します。つまり、（i）選択されたオブジェクトは、手の操作なしで事前に定義された構成で配置できなければなりません（ii）ピックとプレイスの両方の場合の共同制限と衝突回避の制約の下でロボットが到達する必要があります。
私たちの重要なアイデアは、SE（3）拡散ネットワークを把握して空間速度の形でノイズを推定し、不平等制約を伴う多ターゲットの逆逆運動学によって除去プロセスを制約することです。
成功率の改善に加えて、私たちのアプローチは、素朴な2段階のアプローチと比較して、計算時間がより効率的で一貫していることを実験的に確認しました。

要約(オリジナル)

Grasp detection methods typically target the detection of a set of free-floating hand poses that can grasp the object. However, not all of the detected grasp poses are executable due to physical constraints. Even though it is straightforward to filter invalid grasp poses in the post-process, such a two-staged approach is computationally inefficient, especially when the constraint is hard. In this work, we propose an approach to take the following two constraints into account during the grasp detection stage, namely, (i) the picked object must be able to be placed with a predefined configuration without in-hand manipulation (ii) it must be reachable by the robot under the joint limit and collision-avoidance constraints for both pick and place cases. Our key idea is to train an SE(3) grasp diffusion network to estimate the noise in the form of spatial velocity, and constrain the denoising process by a multi-target differential inverse kinematics with an inequality constraint, so that the states are guaranteed to be reachable and placement can be performed without collision. In addition to an improved success ratio, we experimentally confirmed that our approach is more efficient and consistent in computation time compared to a naive two-stage approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google