Uncertain Pose Estimation during Contact Tasks using Differentiable Contact Features

要約

多くのロボット操作および接触タスクでは、特定の形状とセンサー情報が何らかの最適な方法で融合される、不確実な物体の姿勢を正確に推定することが重要です。
この問題に対する以前の結果では、主にサンプリング ベースまたはエンドツーエンドの学習方法が採用されていましたが、効率性と一般化性の問題が依然として発生することがよくありました。
この論文では、勾配ベースのソルバーを使用して効率的かつ正確な方法で解決できるように、接触中のこの不確実な姿勢推定に対する新しい微分可能なフレームワークを提案します。
これを達成するために、適応性が高く、微分可能な接触特徴を提供できる新しい幾何学的定義を導入します。
次に、バイレベルの観点から問題にアプローチし、微分可能な最適化とともにこれらの接触特徴の勾配を利用して、不確実な姿勢を効率的に解決します。
提案されたフレームワークが既存の方法をどのように改善できるかを示すために、いくつかのシナリオが実装されています。

要約(オリジナル)

For many robotic manipulation and contact tasks, it is crucial to accurately estimate uncertain object poses, for which certain geometry and sensor information are fused in some optimal fashion. Previous results for this problem primarily adopt sampling-based or end-to-end learning methods, which yet often suffer from the issues of efficiency and generalizability. In this paper, we propose a novel differentiable framework for this uncertain pose estimation during contact, so that it can be solved in an efficient and accurate manner with gradient-based solver. To achieve this, we introduce a new geometric definition that is highly adaptable and capable of providing differentiable contact features. Then we approach the problem from a bi-level perspective and utilize the gradient of these contact features along with differentiable optimization to efficiently solve for the uncertain pose. Several scenarios are implemented to demonstrate how the proposed framework can improve existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google