본 연구는 알려지지 않은 동적 물체를 다중 손가락 로봇 손으로 효과적으로 그래스핑할 수 있는 실용적인 프레임워크를 제안한다.
본 연구는 로봇 그래스핑에 대한 도메인 사전 지식을 활용하여 6-DoF 그래스핑 검출 방법의 일반화 능력을 향상시킨다. 물리적 제약 정규화와 접촉 점수 최적화를 통해 다양한 형상과 구조의 물체에 대한 그래스핑 성능을 개선한다.
제안된 방법은 효율적인 히트맵 기반 접근법을 통해 복잡한 환경에서 고품질의 다양한 그래스핑 자세를 실시간으로 검출할 수 있다.
대규모 언어 모델의 일반상식 추론 능력을 활용하여 물체의 기하학적 분해를 통해 제로샷 과업 지향 그래스핑을 수행할 수 있다.
본 연구는 기존 방식의 한계를 극복하고 다양한 응용 분야에 적용 가능한 유연한 6-자유도 그래스핑 검출 프레임워크를 제안한다. 이를 통해 장면 수준 및 대상 지향적 그래스핑 모두에서 높은 성능을 달성할 수 있다.
다중 물체 그래스핑을 위해 사전 그래스핑 자세를 생성하고 강화학습 기반 정책을 통해 물체를 들어올리는 방법을 제안한다.