Canonical mapping as a general-purpose object descriptor for robotic manipulation

要約

知覚は、半構造化された環境でのロボット操作の重要な部分です。
従来のアプローチでは、狭いタスク固有の予測 (オブジェクトの 6D ポーズなど) が生成され、他のタスクに適応できず、変形可能なオブジェクトには適していません。
この論文では、ほぼ普遍的で柔軟なオブジェクト記述子として正規マッピングを使用することを提案します。
共通のオブジェクト表現は、事前にトレーニングされた単一の正規マッピング モデルから派生できることを示しています。これは、自動化されたデータ生成とトレーニング パイプラインを使用して、最小限の手作業で生成できます。
2 つのロボット アームを使用して多段階実験を行い、知覚アプローチのロバスト性と、それが操作戦略を通知できる方法を実証し、汎用ロボット操作の強力な基盤として機能します。

要約(オリジナル)

Perception is an essential part of robotic manipulation in a semi-structured environment. Traditional approaches produce a narrow task-specific prediction (e.g., object’s 6D pose), that cannot be adapted to other tasks and is ill-suited for deformable objects. In this paper, we propose using canonical mapping as a near-universal and flexible object descriptor. We demonstrate that common object representations can be derived from a single pre-trained canonical mapping model, which in turn can be generated with minimal manual effort using an automated data generation and training pipeline. We perform a multi-stage experiment using two robot arms that demonstrate the robustness of the perception approach and the ways it can inform the manipulation strategy, thus serving as a powerful foundation for general-purpose robotic manipulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google