本研究では、Sim-Grasp: 6自由度二指グリッパー把持システムを提案している。
まず、Sim-Grasp-Datasetと呼ばれる大規模な合成データセットを開発した。このデータセットには1,550個の物体と7.9百万個の注釈ラベルが含まれ、クラッタ環境でのロボット把持を学習するのに活用される。
次に、Sim-GraspNetと呼ばれる6自由度把持ポーズ推定ネットワークを構築した。このネットワークは点群入力から把持ポーズを直接出力する。
さらに、Sim-Grasp-Policiesと呼ばれる複数のモードを持つ把持ポリシーを開発した。物体非依存の把持モード、テキストプロンプトによる対象物把持モード、ボックスプロンプトによる対象物把持モードを実装している。これにより、柔軟で効率的な把持が可能となる。
実験では、Sim-Grasp-Policiesが単一物体で97.14%、クラッタ環境でレベル1-2と3-4でそれぞれ87.43%と83.33%の把持成功率を達成することを示した。これは、従来手法であるGraspNet-1billionやDexNet 4.0よりも優れた性能である。
また、テキストプロンプトとボックスプロンプトによる対象物把持の実験も行い、Sim-Grasp-Policiesの多様性と有効性を実証した。
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Juncheng Li,... alle arxiv.org 05-03-2024
https://arxiv.org/pdf/2405.00841.pdfDomande più approfondite