Toward An Analytic Theory of Intrinsic Robustness for Dexterous Grasping

要約

計画を把握するための従来のアプローチでは、オブジェクトの姿勢と形状についての完全な知識が必要です。
これらの量の不確実性は、計画された把握の品質の不確実性を引き起こし、失敗につながる可能性があります。
古典的に、掴みの堅牢性とは、物体を掴んだ後の外乱に抵抗する能力を指します。
対照的に、この研究では、実行前の把握計画に影響を与えるオブジェクトの姿勢や形状などの不確実性の本質的な原因に対するロバスト性を研究しています。
そのために、我々は、掴みの力の閉鎖状態に対するフリクションコーンの不確実性の影響を特徴付けることによって、この本質的な堅牢性を説明する掴みの新しい分析理論を開発します。
その結果、我々は、把握が拒否できる外乱のサイズを測定するフェラーリ・キャニー指標が、把握が許容できるフリクションコーンの不確実性の限界を示し、したがって本質的な堅牢性も測定することを示しました。
同時に、最近提案された最小重み計量がフェラーリ・キャニー計量の下限を下限にし、計算効率が高く、不確実性を考慮した代替手段として正当化されることを示します。
この理論を競合ベースラインと比較したハードウェア実験で検証し、優れたパフォーマンスを実証します。
最後に、理論を使用して確率的フォース クロージャの解析概念を開発します。この概念は、物体の形状全体にわたって不確実性の分布を組み込むことができる把握を生成することをシミュレーションで示します。

要約(オリジナル)

Conventional approaches to grasp planning require perfect knowledge of an object’s pose and geometry. Uncertainties in these quantities induce uncertainties in the quality of planned grasps, which can lead to failure. Classically, grasp robustness refers to the ability to resist external disturbances after grasping an object. In contrast, this work studies robustness to intrinsic sources of uncertainty like object pose or geometry affecting grasp planning before execution. To do so, we develop a novel analytic theory of grasping that reasons about this intrinsic robustness by characterizing the effect of friction cone uncertainty on a grasp’s force closure status. As a result, we show the Ferrari-Canny metric — which measures the size of external disturbances a grasp can reject — bounds the friction cone uncertainty a grasp can tolerate, and thus also measures intrinsic robustness. In tandem, we show that the recently proposed min-weight metric lower bounds the Ferrari-Canny metric, justifying it as a computationally-efficient, uncertainty-aware alternative. We validate this theory on hardware experiments versus a competitive baseline and demonstrate superior performance. Finally, we use our theory to develop an analytic notion of probabilistic force closure, which we show in simulation generates grasps that can incorporate uncertainty distributions over an object’s geometry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google