Grasping by Hanging: a Learning-Free Grasping Detection Method for Previously Unseen Objects

要約

この論文は、ロボットがこれまで見たことのない物体を拾い上げて移送できるようにする、把握姿勢を予測する学習不要の新しい 3 段階の方法を提案します。
私たちの方法では、まず、ぶら下がり機構と幾何学的特性を分析することにより、ぶら下がりの動作が可能な潜在的な構造を特定します。
次に、延長バーが後付けされた平行グリッパーの 6D ポーズが検出されます。このバーは、閉じたときに各吊り下げ可能な構造物を引っ掛けるループを形成します。
最後に、評価ポリシーの品質とランクは、実行試行の候補を把握します。
従来の物理モデルベースおよび深層学習ベースの手法と比較して、私たちのアプローチは、未知の物体を把握するという人間の自然な動作に近いものです。
また、膨大な量のトレーニング データも必要なくなります。
提案手法の有効性を評価するために、実際のロボットを用いた実験を行った。
実験結果では、特に薄くて平らな物体の場合、把握精度と安定性が最新の学習ベースの方法よりも大幅に高いことが示されています。

要約(オリジナル)

This paper proposes a novel learning-free three-stage method that predicts grasping poses, enabling robots to pick up and transfer previously unseen objects. Our method first identifies potential structures that can afford the action of hanging by analyzing the hanging mechanics and geometric properties. Then 6D poses are detected for a parallel gripper retrofitted with an extending bar, which when closed forms loops to hook each hangable structure. Finally, an evaluation policy qualities and rank grasp candidates for execution attempts. Compared to the traditional physical model-based and deep learning-based methods, our approach is closer to the human natural action of grasping unknown objects. And it also eliminates the need for a vast amount of training data. To evaluate the effectiveness of the proposed method, we conducted experiments with a real robot. Experimental results indicate that the grasping accuracy and stability are significantly higher than the state-of-the-art learning-based method, especially for thin and flat objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google