Core Concepts
本研究では、物体の姿勢情報を取得するためのカメラを搭載したロボットハンドを用いて、産業用箱詰めタスクを自動化するための視覚フィードバック制御モデルを提案する。提案手法は、物体の姿勢変化に適応でき、かつ連続的な箱詰めタスクを高精度に実行できる。
Abstract
本研究では、産業用箱詰めタスクの自動化を目的とした視覚フィードバック制御モデルを提案している。
従来の箱詰めタスクでは、高精度な位置決めと連続的な動作が必要とされていた。
提案手法では、ロボットハンドに取り付けたカメラから得られる物体の姿勢情報を活用することで、高精度な位置決めを実現している。
提案手法は、NewtonianVAEと呼ばれる世界モデルに基づいており、物理法則に基づいた遷移モデルを学習することで、連続的な箱詰めタスクを高精度に実行できる。
提案手法では、ロボットの動作を物体の姿勢に応じて制御することで、新しい製品が登場しても柔軟に対応できる。
実験では、提案手法が従来手法よりも高い位置決め精度を示し、連続的な箱詰めタスクにも適用できることを確認した。
Stats
提案手法の位置決め精度は、LEDパッケージで2.22 ± 1.27 mm、ケーブルパッケージで1.18 ± 0.65 mmであった。
従来手法のCFIL+in-hand-viewCNNの位置決め精度は、LEDパッケージで6.16 ± 3.78 mm、ケーブルパッケージで6.21 ± 2.72 mmであった。
Quotes
"本研究では、物体の姿勢情報を取得するためのカメラを搭載したロボットハンドを用いて、産業用箱詰めタスクを自動化するための視覚フィードバック制御モデルを提案する。"
"提案手法は、NewtonianVAEと呼ばれる世界モデルに基づいており、物理法則に基づいた遷移モデルを学習することで、連続的な箱詰めタスクを高精度に実行できる。"