要約
この論文では、Sim-MEES を紹介します。これは、さまざまな難易度や物理特性を持つ 1,550 個のオブジェクトと、雑然とした環境でさまざまなグリッパー モダリティを使用して把握を計画するためのモバイル マニピュレータ用の 1,100 万個の把握ラベルを含む大規模な合成データセットです。
当社のデータセット生成プロセスは、分析モデルと乱雑な環境全体の動的シミュレーションを組み合わせて、正確な把握ラベルを提供します。
私たちは、平行ジョーグリッパーと吸盤グリッパーの両方について提案したラベル付けプロセスの詳細な研究を提供し、それらを最先端の方法と比較して、Sim-MEESが乱雑な環境でどのように正確な把握ラベルを提供できるかを実証します。
要約(オリジナル)
In this paper, we present Sim-MEES: a large-scale synthetic dataset that contains 1,550 objects with varying difficulty levels and physics properties, as well as 11 million grasp labels for mobile manipulators to plan grasps using different gripper modalities in cluttered environments. Our dataset generation process combines analytic models and dynamic simulations of the entire cluttered environment to provide accurate grasp labels. We provide a detailed study of our proposed labeling process for both parallel jaw grippers and suction cup grippers, comparing them with state-of-the-art methods to demonstrate how Sim-MEES can provide precise grasp labels in cluttered environments.
arxiv情報
| 著者 | Juncheng Li,David J. Cappelleri |
| 発行日 | 2023-05-17 21:40:26+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google