Mesh-based Dynamics with Occlusion Reasoning for Cloth Manipulation

要約

自己閉塞は、布の完全な状態を推定することが困難であるため、布の操作には困難が伴う。理想的には、しわくちゃの布や折り畳まれた布を広げようとするロボットは、布の閉塞領域について推論できることが望ましい。我々は、布の姿勢推定における最近の進歩を利用し、しわくちゃの布を広げるために明示的なオクルージョン推論を用いるシステムを構築する。具体的には、まず、布のメッシュを再構築するモデルを学習する。しかし、このモデルは、布の複雑な構成や、オクルージョンによる曖昧さによって、誤差を持つ可能性が高い。そこで、自己教師付きロスを用いたテスト時の微調整を行うことで、予測される再構成をさらに精緻化できることを見出した。得られた再構成メッシュにより、メッシュに基づく力学モデルを用いて、オクルージョンを推論しながら計画を立てることができる。我々は、布の平坦化と布の正規化（布を正規の姿勢に操作することを目的とする）の両方について本システムを評価した。実験の結果、本手法は、オクルージョンを明示的に考慮せず、テスト時間の最適化を行わない先行手法を大幅に凌駕することが示された。

要約(オリジナル)

Self-occlusion is challenging for cloth manipulation, as it makes it difficult to estimate the full state of the cloth. Ideally, a robot trying to unfold a crumpled or folded cloth should be able to reason about the cloth’s occluded regions. We leverage recent advances in pose estimation for cloth to build a system that uses explicit occlusion reasoning to unfold a crumpled cloth. Specifically, we first learn a model to reconstruct the mesh of the cloth. However, the model will likely have errors due to the complexities of the cloth configurations and due to ambiguities from occlusions. Our main insight is that we can further refine the predicted reconstruction by performing test-time finetuning with self-supervised losses. The obtained reconstructed mesh allows us to use a mesh-based dynamics model for planning while reasoning about occlusions. We evaluate our system both on cloth flattening as well as on cloth canonicalization, in which the objective is to manipulate the cloth into a canonical pose. Our experiments show that our method significantly outperforms prior methods that do not explicitly account for occlusions or perform test-time optimization.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL