Implicit representation priors meet Riemannian geometry for Bayesian robotic grasping

要約

タイトル：ベイジアンロボットグラスピングにおいて、暗黙的表現の優先度とリーマン幾何学が融合する

要約：
– ノイズの多い環境でのロボットグラスピングは、シーンに関する限られた事前知識がある場合に特に困難を伴います。
– 特に、無情報の事前確率からデータを生成することが効率的ではなく、事後分布がしばしばリーマン多様体上で定義された複雑な分布を含むため、ベイジアン推論を用いて良いグラスピング姿勢を特定することが困難になります。
– この研究では、暗黙的表現を使用してシーン依存の事前確率を構築し、非構造化環境で成功したグラスピング姿勢を決定するための効率的なシミュレーションベースのベイジアン推論アルゴリズムの適用を可能にする方法を探求しました。
– シミュレーションと物理的なベンチマークの両方からの結果は、このアプローチの高い成功率と有望なポテンシャルを示しています。

要約(オリジナル)

Robotic grasping in highly noisy environments presents complex challenges, especially with limited prior knowledge about the scene. In particular, identifying good grasping poses with Bayesian inference becomes difficult due to two reasons: i) generating data from uninformative priors proves to be inefficient, and ii) the posterior often entails a complex distribution defined on a Riemannian manifold. In this study, we explore the use of implicit representations to construct scene-dependent priors, thereby enabling the application of efficient simulation-based Bayesian inference algorithms for determining successful grasp poses in unstructured environments. Results from both simulation and physical benchmarks showcase the high success rate and promising potential of this approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI