Collapse and Collision Aware Grasping for Cluttered Shelf Picking

要約

倉庫環境での積み重ねられたオブジェクトの効率的かつ安全な検索は、複雑な空間的依存関係と構造間依存性のために重要な課題です。
従来のビジョンベースの方法は、オブジェクトのローカリゼーションに優れていますが、抽出の結果を予測するために必要な物理的推論が欠けていることが多く、意図しない衝突と崩壊につながります。
このペーパーでは、ロボットの意思決定のための動的な物理シミュレーションを統合する崩壊と衝突の認識把握プランナーを提案します。
単一の画像と深度マップを使用して、シーンのおおよその3D表現がシミュレーション環境で再構築され、ロボットが実行前に異なる検索戦略を評価できるようになります。
2つのアプローチ1）ヒューリスティックベースと2）シングルボックス抽出および棚クリアランスタスクの両方に物理ベースが提案されています。
既存のデータベースからのデータセットを使用した検証とともに、構造化されていないボックススタックと非構造化ボックススタックに関する広範な実世界の実験は、ベースラインヒューリスティックと比較して、物理学を認識する方法が効率と成功率を大幅に改善することを示しています。

要約(オリジナル)

Efficient and safe retrieval of stacked objects in warehouse environments is a significant challenge due to complex spatial dependencies and structural inter-dependencies. Traditional vision-based methods excel at object localization but often lack the physical reasoning required to predict the consequences of extraction, leading to unintended collisions and collapses. This paper proposes a collapse and collision aware grasp planner that integrates dynamic physics simulations for robotic decision-making. Using a single image and depth map, an approximate 3D representation of the scene is reconstructed in a simulation environment, enabling the robot to evaluate different retrieval strategies before execution. Two approaches 1) heuristic-based and 2) physics-based are proposed for both single-box extraction and shelf clearance tasks. Extensive real-world experiments on structured and unstructured box stacks, along with validation using datasets from existing databases, show that our physics-aware method significantly improves efficiency and success rates compared to baseline heuristics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google