クラッタ環境における6自由度把持ポリシーの学習：合成ベンチマークの活用

本研究では、高度な言語モデルを統合した頑健な6自由度二指グリッパー把持システム「Sim-Grasp」を提案する。クラッタ環境での物体操作を可能にするため、1,550個の物体と7.9百万個の注釈ラベルを含む大規模合成データセット「Sim-Grasp-Dataset」を開発し、点群から把持ポーズを生成するネットワーク「Sim-GraspNet」を構築した。Sim-Grasp-Policiesは、単一物体で97.14%、レベル1-2と3-4のクラッタ環境でそれぞれ87.43%と83.33%の把持成功率を達成した。さらに、テキストプロンプトやボックスプロンプトを用いた物体特定機能を備え、知的ロボットシステムの可能性を広げている。