Affordance-Driven Next-Best-View Planning for Robotic Grasping

要約

複雑なロボット操作タスクにおいて、散乱した環境におけるオクルージョン物体把持は不可欠な要素である。本論文では、新しい視点からシーンを連続的に観察することで、対象物体の実現可能な把持を見つけようとするアフォーダンス駆動型ネクスト・ベストビュー計画政策（AFE-NBV）を紹介する。この方針は、オクルーデッド物体の把持アフォーダンスが、把持視野と同じ視野方向であれば、その視野の下でより良く測定できるという観察から動機づけられている。具体的には、本手法は、新奇な視界のイメージというパラダイムを利用することで、過去に観測されたことのない視界の下での把持余裕を予測し、対象物体の把持品質が最も高くイメージされる視界に基づいて、次の観測視界を選択する。シミュレーションと実際のロボットでの実験結果は、提案するアフォーダンス駆動型次善視計画ポリシーの有効性を実証している。プロジェクトページ: https://sszxc.net/ace-nbv/.

要約(オリジナル)

Grasping occluded objects in cluttered environments is an essential component in complex robotic manipulation tasks. In this paper, we introduce an AffordanCE-driven Next-Best-View planning policy (ACE-NBV) that tries to find a feasible grasp for target object via continuously observing scenes from new viewpoints. This policy is motivated by the observation that the grasp affordances of an occluded object can be better-measured under the view when the view-direction are the same as the grasp view. Specifically, our method leverages the paradigm of novel view imagery to predict the grasps affordances under previously unobserved view, and select next observation view based on the highest imagined grasp quality of the target object. The experimental results in simulation and on a real robot demonstrate the effectiveness of the proposed affordance-driven next-best-view planning policy. Project page: https://sszxc.net/ace-nbv/.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL