Основные понятия
提案されたDynamic Bin-Picking Framework(DBPF)は、従来の静的仮定に挑戦し、動的な状況下でのロボットの効率的かつ信頼性の高いビンピッキングを実現します。
Аннотация
ロボットのビンピッキングにおける効率と信頼性の重要性
DBPFが従来の静的仮定に挑戦し、動的な状況下で複数の移動する任意のオブジェクトを選択する方法を紹介
シーンレベルポーズ生成と組み合わせた姿勢選択メトリックによる吸引ポーズ決定の最適化
動的障害物回避、速度マッチング、再視点ポリシーなどのヒューリスティックタスク固有設計が成功率と信頼性を向上させることを示す実験結果
Introduction
ロボットビンピッキングにおける課題と従来手法(SPA)
動的シナリオでのビンピッキングへの必要性
DBPF Overview
DBPFが従来手法からどう進化したか
動的ビンピッキングフレームワーク全体像
Suction Pose Generation and Selection
吸引ポーズ生成と選択方法について詳細な説明
Tendency-Aware Manipulability Network(TAMN)による最適ポーズ決定方法
Dynamic Obstacle Perception and Motion Prediction
動的障害物検知と予測された動きへの対応方法
Horizon-based Discrete Trajectory Optimization and Task-level Planning Model
ホライゾンベースディスクリート軌道最適化構造による問題解決方法
タスクレベルプランニングモデル全体像
Experimental Validations and Results Comparison with Baselines
提案手法(Ours)と他手法(SPA, PBVS, LSPPA)と比較した実験結果
Evaluation on Varying Fully Dynamic Scenarios
異なる特性変数を持つ完全動的シーンで提案手法がどう機能するか
Статистика
この論文では84%以上の成功率が記録されました。
提案手法はゼロ衝突で作業を行いました。