Bimanual Grasp Synthesis for Dexterous Robot Hands

要約

人間は自然に両手で大きくて重い物体を扱うスキルを実行します。
ロボットの物体操作能力を強化するには、効果的な両手掴みポーズを生成することが不可欠です。
それにもかかわらず、器用な手のマニピュレーターのための両手による把握合成はまだ研究されていません。
このギャップを埋めるために、3D オブジェクトの両手による把握を合成するための BimanGrasp アルゴリズムを提案します。
BimanGrasp アルゴリズムは、掴みの安定性と実現可能性を考慮したエネルギー関数を最適化することで掴みポーズを生成します。
さらに、合成されたグリップは、Isaac Gym 物理シミュレーション エンジンを使用して検証されます。
これらの検証された掴みポーズは、我々の知る限りでは初めての大規模に合成された両手器用な手の掴みポーズ データセットである BimanGrasp-Dataset を形成します。
このデータセットは、900 の物体に関する 150,000 を超える検証済みの把握で構成されており、データ駆動型のアプローチを通じて両手による把握の合成を容易にします。
最後に、BimanGrasp-Dataset でトレーニングされた拡散モデルである BimanGrasp-DDPM を提案します。
このモデルは、BimanGrasp アルゴリズムと比較して、69.87% の把握合成成功率と大幅な計算速度の高速化を達成しました。

要約(オリジナル)

Humans naturally perform bimanual skills to handle large and heavy objects. To enhance robots’ object manipulation capabilities, generating effective bimanual grasp poses is essential. Nevertheless, bimanual grasp synthesis for dexterous hand manipulators remains underexplored. To bridge this gap, we propose the BimanGrasp algorithm for synthesizing bimanual grasps on 3D objects. The BimanGrasp algorithm generates grasp poses by optimizing an energy function that considers grasp stability and feasibility. Furthermore, the synthesized grasps are verified using the Isaac Gym physics simulation engine. These verified grasp poses form the BimanGrasp-Dataset, the first large-scale synthesized bimanual dexterous hand grasp pose dataset to our knowledge. The dataset comprises over 150k verified grasps on 900 objects, facilitating the synthesis of bimanual grasps through a data-driven approach. Last, we propose BimanGrasp-DDPM, a diffusion model trained on the BimanGrasp-Dataset. This model achieved a grasp synthesis success rate of 69.87\% and significant acceleration in computational speed compared to BimanGrasp algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google