Robotic Dough Shaping

要約

変形可能な物体を操作するロボットは、医療手術、在宅支援、自動調理など幅広い応用が期待され、注目を集めている。しかし、柔らかい物体を変形させることは、数学的な問題定義が困難であるため、ロボットにとって大きな課題となっている。本論文では、生地のような変形可能な材料の一部を、前もって提示された2次元の目標形状に成形する問題に取り組む。本論文では、6自由度のWidowX-250ロボットアームに麺棒を搭載し、RGB-Dカメラと触覚センサから収集した情報を用いて、麺棒の形状を作成する。その結果、3種類の変形可能な材料と3種類の目標形状に対して、生地を縮める動作を含むいくつかの制御方針を提示し、広範囲な実験において、IoU(Intersection over Union)0.90を達成しました。その結果、i) 生地の最高点から生地を巻く方が、2D/3D生地のセントロイドから巻くよりも効率が良いこと、ii) 目標形状の輪郭ではなく、現在の生地の境界でロール運動を停止する方が良いこと、iii) 拡大動作に対して縮小動作を適切に調整した場合のみ有益であること、iv) Play-Doh 材料は、塑像やKinetic sandと比べて目標形状にすることがより容易なことが示された。私たちの研究のビデオ・デモンストレーションは、https://youtu.be/ZzLMxuITdt4 でご覧いただけます。

要約(オリジナル)

Robotic manipulation of deformable objects gains great attention due to its wide applications including medical surgery, home assistance, and automatic food preparation. The ability to deform soft objects remains a great challenge for robots due to difficulties in defining the problem mathematically. In this paper, we address the problem of shaping a piece of dough-like deformable material into a 2D target shape presented upfront. We use a 6 degree-of-freedom WidowX-250 Robot Arm equipped with a rolling pin and information collected from an RGB-D camera and a tactile sensor. We present and compare several control policies, including a dough shrinking action, in extensive experiments across three kinds of deformable materials and across three target dough shape sizes, achieving the intersection over union (IoU) of 0.90. Our results show that: i) rolling dough from the highest dough point is more efficient than from the 2D/3D dough centroid; ii) it might be better to stop the roll movement at the current dough boundary as opposed to the target shape outline; iii) the shrink action might be beneficial only if properly tuned with respect to the expand action; and iv) the Play-Doh material is easier to shape to a target shape as compared to Plasticine or Kinetic sand. Video demonstrations of our work are available at https://youtu.be/ZzLMxuITdt4

arxiv情報

著者 Jan Ondras,Di Ni,Xi Deng,Zeqi Gu,Henry Zheng,Tapomayukh Bhattacharjee
発行日 2022-10-05 10:23:09+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.AI, cs.CV, cs.RO パーマリンク