Deep Reinforcement Learning for Robotic Pushing and Picking in Cluttered Environment

要約

本稿では、乱雑なシーンでオブジェクトを自動的に拾うために、新しいロボット把持システムを確立します。
吸着カップとグリッパーで構成された複合ロボットハンドは、対象物を安定して把持するように設計されています。
吸盤は、最初に物を持ち上げるために使用され、グリッパーはそれに応じて物をつかむために使用されます。
アフォーダンス マップを利用して、吸盤のピクセル単位のリフティング ポイント候補を提供します。
優れたアフォーダンス マップを取得するために、アクティブな探索メカニズムがシステムに導入されます。
効果的なメトリックは、現在のアフォーダンス マップの報酬を計算するように設計されており、ディープ Q ネットワーク (DQN) を使用して、生成されたアフォーダンス マップが把握に適したものになるまで、ロボット ハンドが積極的に環境を探索するように誘導します。
実験結果は、提案されたロボット把持システムが、雑然としたシーンでのロボット把持の成功率を大幅に高めることができることを実証しました。

要約(オリジナル)

In this paper, a novel robotic grasping system is established to automatically pick up objects in cluttered scenes. A composite robotic hand composed of a suction cup and a gripper is designed for grasping the object stably. The suction cup is used for lifting the object from the clutter first and the gripper for grasping the object accordingly. We utilize the affordance map to provide pixel-wise lifting point candidates for the suction cup. To obtain a good affordance map, the active exploration mechanism is introduced to the system. An effective metric is designed to calculate the reward for the current affordance map, and a deep Q-Network (DQN) is employed to guide the robotic hand to actively explore the environment until the generated affordance map is suitable for grasping. Experimental results have demonstrated that the proposed robotic grasping system is able to greatly increase the success rate of the robotic grasping in cluttered scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google