Learning to Efficiently Plan Robust Frictional Multi-Object Grasps

要約

複数の硬い凸多角形の物体が平面上にランダムに配置された位置と方向に置かれており、単一物体と複数物体の両方の把握を使用して梱包箱に効率的に輸送する必要がある整理整頓の問題を考えます。
以前の研究では、摩擦のない複数の物体の把握が考慮されていました。
この論文では、摩擦を導入して、特定のオブジェクト グループの潜在的な把握数を増やし、時間当たりのピック数を増やします。
実際の例を使用してニューラル ネットワークをトレーニングし、堅牢な複数オブジェクトの把握を計画します。
物理実験では、複数の物体の把握に関する以前の研究と比較して、成功率が 13.7% 増加し、1 時間あたりのピック数が 1.6 倍増加し、把握計画時間が 6.3 倍減少したことがわかりました。
単一オブジェクトの把握と比較すると、1 時間あたりのピック数が 3.1 倍増加していることがわかります。

要約(オリジナル)

We consider a decluttering problem where multiple rigid convex polygonal objects rest in randomly placed positions and orientations on a planar surface and must be efficiently transported to a packing box using both single and multi-object grasps. Prior work considered frictionless multi-object grasping. In this paper, we introduce friction to increase the number of potential grasps for a given group of objects, and thus increase picks per hour. We train a neural network using real examples to plan robust multi-object grasps. In physical experiments, we find a 13.7% increase in success rate, a 1.6x increase in picks per hour, and a 6.3x decrease in grasp planning time compared to prior work on multi-object grasping. Compared to single-object grasping, we find a 3.1x increase in picks per hour.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google