Bayesian optimization for robust robotic grasping using a sensorized compliant hand

要約

私たちが子供の頃に学ぶ最初の課題の 1 つは、触覚に基づいて物体を把握することです。
このようなスキルをロボットに組み込むことで、産業プロセスの柔軟性を高めたり、身体障害のある人々を支援したりするなど、さまざまな応用が可能になります。
しかし、困難は、未知の場合が多い多種多様なタスクやオブジェクトに把握戦略を適応させることにあります。
強引な解決策は、試行錯誤によって新しい把握方法を学習することですが、これは非効率的で効果的ではありません。
対照的に、ベイジアン最適化では、最適な把握の近似に情報を追加することで能動学習を適用します。
この論文では、ロボットによる把持を安全に実行するためのベイジアン最適化手法の使用を提案します。
さまざまな把握メトリクスを分析して、触覚センサーを含む実際のシステムで現実的な把握の最適化を提供します。
ロボットシステムにおける実験的評価により、現実世界の環境に固有のノイズや不確実性が存在する場合でも、未知の物体の把握を実行する方法の有用性が示されました。

要約(オリジナル)

One of the first tasks we learn as children is to grasp objects based on our tactile perception. Incorporating such skill in robots will enable multiple applications, such as increasing flexibility in industrial processes or providing assistance to people with physical disabilities. However, the difficulty lies in adapting the grasping strategies to a large variety of tasks and objects, which can often be unknown. The brute-force solution is to learn new grasps by trial and error, which is inefficient and ineffective. In contrast, Bayesian optimization applies active learning by adding information to the approximation of an optimal grasp. This paper proposes the use of Bayesian optimization techniques to safely perform robotic grasping. We analyze different grasp metrics to provide realistic grasp optimization in a real system including tactile sensors. An experimental evaluation in the robotic system shows the usefulness of the method for performing unknown object grasping even in the presence of noise and uncertainty inherent to a real-world environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google