Robotic Grasping of Harvested Tomato Trusses Using Vision and Online Learning

要約

現在、Truss Tomatoの計量とパッケージには、かなりの手動作業が必要です。
自動化の主な障害は、すでに収穫されたトラスのための信頼できるロボット把持システムを開発するのが難しいことにあります。
かなりの混乱のある木枠に積み重ねられたトラスを把握する方法を提案します。これは、収穫後に一般的に保管および輸送される方法です。
この方法は、最初に木枠内の個々のトラスを識別し、ステムの適切な把握位置を決定するための深い学習ベースのビジョンシステムで構成されています。
この目的のために、オンライン学習機能を備えた把握ポーズランキングアルゴリズムを導入しました。
最も有望な把握ポーズを選択した後、ロボットはタッチセンサーや幾何学モデルを必要とせずにピンチの把握を実行します。
目の中のRGB-Dカメラを備えたロボットマニピュレーターを使用したラボ実験では、パイルからすべてのトラスを選択するように任された場合、100％のクリアランス率が示されました。
トラスの93％は最初の試みで正常に把握されましたが、残りの7％はさらに多くの試みを必要としました。

要約(オリジナル)

Currently, truss tomato weighing and packaging require significant manual work. The main obstacle to automation lies in the difficulty of developing a reliable robotic grasping system for already harvested trusses. We propose a method to grasp trusses that are stacked in a crate with considerable clutter, which is how they are commonly stored and transported after harvest. The method consists of a deep learning-based vision system to first identify the individual trusses in the crate and then determine a suitable grasping location on the stem. To this end, we have introduced a grasp pose ranking algorithm with online learning capabilities. After selecting the most promising grasp pose, the robot executes a pinch grasp without needing touch sensors or geometric models. Lab experiments with a robotic manipulator equipped with an eye-in-hand RGB-D camera showed a 100% clearance rate when tasked to pick all trusses from a pile. 93% of the trusses were successfully grasped on the first try, while the remaining 7% required more attempts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google