Knolling bot 2.0: Enhancing Object Organization with Self-supervised Graspability Estimation

要約

散らばったアイテムを整然と配置する技術であるノリングを実行する家庭用ロボットのための変圧器ベースのアプローチの最近の進歩に基づいています。
本稿では、Knolling bot 2.0 について紹介します。
近接して配置された物体やアイテムの山によってもたらされる課題を認識し、このアップグレードされたシステムには、自己監視型の把握可能性推定モデルが組み込まれています。
オブジェクトが把握できないとみなされた場合は、テーブルを認識する前にオブジェクトを分離するために追加の動作が実行されます。
この把握予測メカニズムを既存の視覚認識およびトランスフォーマー ベースのノリング モデルと統合することにより、さらに複雑で人口密度の高いテーブル設定を整理して整理できる高度なシステムが実証されます。
実験による評価により、このモジュールの有効性が実証され、95.7% の掴みやすさ予測精度が得られました。

要約(オリジナル)

Building on recent advancements in transformer based approaches for domestic robots performing knolling, the art of organizing scattered items into neat arrangements. This paper introduces Knolling bot 2.0. Recognizing the challenges posed by piles of objects or items situated closely together, this upgraded system incorporates a self-supervised graspability estimation model. If objects are deemed ungraspable, an additional behavior will be executed to separate the objects before knolling the table. By integrating this grasp prediction mechanism with existing visual perception and transformer based knolling models, an advanced system capable of decluttering and organizing even more complex and densely populated table settings is demonstrated. Experimental evaluations demonstrate the effectiveness of this module, yielding a graspability prediction accuracy of 95.7%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google