Dynamic Grasping of Unknown Objects with a Multi-Fingered Hand

要約

自律型ロボットの重要な前提条件は、さまざまな物体を確実に把握できる能力です。
最先端のシステムのほとんどは、2 爪グリッパーなどの特殊なエンドエフェクターまたは単純なエンドエフェクターを採用しているため、操作対象の範囲が大幅に制限されています。
さらに、私たちの世界の大部分が複雑で非構造的で動的である一方で、従来は構造化され完全に予測可能な環境が必要でした。
このペーパーでは、両方の問題を解決するための実装を示します。
まず、5 本指ハンドの統合により、掴むことのできるオブジェクトや操作できるオブジェクトの多様性が高まります。
この運動学的に複雑なエンドエフェクターは、深層学習ベースの生成把握ネットワークによって制御されます。
未知のターゲットオブジェクトの必要な仮想モデルは、視覚センサーデータを処理することによって繰り返し完成されます。
第二に、この視覚的なフィードバックを使用して、外乱を補償する閉ループサーボ制御を実現します。
実際のハードウェアでの実験により、軌道に関する先験的な知識がなくても、未知の動的ターゲットオブジェクトを確実に把握できるシステムの能力が確認されました。
私たちの知る限り、これは未知の物体を複数の指で動的に把握する最初の方法です。
実験のビデオは https://youtu.be/Ut28yM1gnvI でご覧いただけます。

要約(オリジナル)

An important prerequisite for autonomous robots is their ability to reliably grasp a wide variety of objects. Most state-of-the-art systems employ specialized or simple end-effectors, such as two-jaw grippers, which severely limit the range of objects to manipulate. Additionally, they conventionally require a structured and fully predictable environment while the vast majority of our world is complex, unstructured, and dynamic. This paper presents an implementation to overcome both issues. Firstly, the integration of a five-finger hand enhances the variety of possible grasps and manipulable objects. This kinematically complex end-effector is controlled by a deep learning based generative grasping network. The required virtual model of the unknown target object is iteratively completed by processing visual sensor data. Secondly, this visual feedback is employed to realize closed-loop servo control which compensates for external disturbances. Our experiments on real hardware confirm the system’s capability to reliably grasp unknown dynamic target objects without a priori knowledge of their trajectories. To the best of our knowledge, this is the first method to achieve dynamic multi-fingered grasping for unknown objects. A video of the experiments is available at https://youtu.be/Ut28yM1gnvI.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google