Pyramid-Monozone Synergistic Grasping Policy in Dense Clutter

要約

密集した散乱の中から多様な新しいオブジェクトを把握することは、これらのオブジェクト間のオクルージョンのため、ロボットにとって大きな課題となります。
この研究では、ロボットが把握中にほとんどのオクルージョンを賢く回避できるようにするピラミッド-モノゾーン相乗的把握ポリシー (PMSGP) を提案します。
具体的には、最初にピラミッド シーケンス ポリシー (PSP) を構築して、シーン内の各オブジェクトをピラミッド構造にシーケンスします。
オブジェクトをレイヤーごとに分離することにより、把握候補者は各把握中に 1 つのレイヤーに焦点を当てることになります。
次に、最上位層の把握候補をサンプリングするMonozone Sampling Policy (MSP)を考案します。
この方法により、各掴みは最上部のオブジェクトをターゲットにするため、ほとんどのオクルージョンが効果的に回避されます。
密集したクラッター シーンで 300 個の新規オブジェクト間で 7000 以上の実世界の把握を実行し、PMSGP が 7 つの競合把握方法よりも大幅に優れていることを実証しました。
すべての把握ビデオは、https://www.youtube.com/@chenghaoli4532/playlists でご覧いただけます。

要約(オリジナル)

Grasping a diverse range of novel objects from dense clutter poses a great challenge to robots because of the occlusion among these objects. In this work, we propose the Pyramid-Monozone Synergistic Grasping Policy (PMSGP) that enables robots to cleverly avoid most occlusions during grasping. Specifically, we initially construct the Pyramid Se quencing Policy (PSP) to sequence each object in the scene into a pyramid structure. By isolating objects layer-by-layer, the grasp candidates will focus on a single layer during each grasp. Then, we devise the Monozone Sampling Policy (MSP) to sample the grasp candidates in the top layer. Through this manner, each grasp will target the topmost object, thereby effectively avoiding most occlusions. We perform more than 7000 real world grasping among 300 novel objects in dense clutter scenes, demonstrating that PMSGP significantly outperforms seven competitive grasping methods. All grasping videos are available at: https://www.youtube.com/@chenghaoli4532/playlists.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google