CAPGrasp: An $\mathbb{R}^3\times \text{SO(2)-equivariant}$ Continuous Approach-Constrained Generative Grasp Sampler

要約

我々は、$\mathbb{R}^3\times \text{SO(2)-equivariant}$ 6-DoF 連続アプローチ制約付き生成把握サンプラーである CAPGrasp を提案します。
これには、条件付きでラベル付けされた大規模なデータセットを厳選する必要性を排除する CAPGrasp をトレーニングするための新しい学習戦略と、把握アプローチの方向制約を尊重しながら把握ポーズを改善する制約付き把握改良技術が含まれています。
実験結果は、CAPGrasp が拘束なしの把握サンプラーと比べて 3 倍以上のサンプル効率があり、最大 38% の把握成功率の向上を達成することを示しています。
また、CAPGrasp は、制約があるが非連続的な把握サンプラーよりも 4 ～ 10% 高い把握成功率を達成します。
全体として、CAPGrasp は、限られた空間での把握など、特定の方向から把握を開始する必要がある場合に、サンプル効率の高いソリューションです。

要約(オリジナル)

We propose CAPGrasp, an $\mathbb{R}^3\times \text{SO(2)-equivariant}$ 6-DoF continuous approach-constrained generative grasp sampler. It includes a novel learning strategy for training CAPGrasp that eliminates the need to curate massive conditionally labeled datasets and a constrained grasp refinement technique that improves grasp poses while respecting the grasp approach directional constraints. The experimental results demonstrate that CAPGrasp is more than three times as sample efficient as unconstrained grasp samplers while achieving up to 38% grasp success rate improvement. CAPGrasp also achieves 4-10% higher grasp success rates than constrained but noncontinuous grasp samplers. Overall, CAPGrasp is a sample-efficient solution when grasps must originate from specific directions, such as grasping in confined spaces.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google