본 연구는 6-DoF 그래스핑 검출 방법의 일반화 능력 향상을 위해 로봇 그래스핑에 대한 도메인 사전 지식을 활용한다.
첫째, 물리적 제약 정규화(PCR)를 통해 그래스핑 네트워크가 물리적 규칙을 준수하도록 학습하여 다양한 물체에 대한 일반화 성능을 높인다. 물리적 규칙인 반대점 제약을 네트워크에 차등적으로 통합하여 그래스핑 포즈 예측을 제한한다.
둘째, 접촉 점수 최적화(C-SJO)를 통해 예측이 불안정한 그래스핑 포즈를 개선한다. 접촉 맵 사전 지식을 활용하여 현재 그래스핑 포즈와 선호 접촉 영역을 정렬함으로써 최적의 그래스핑 포즈를 탐색한다. 또한 그래스핑 점수 네트워크를 도입하여 최적화 과정을 제한한다.
실험 결과, 제안 방법은 GraspNet-1billion 벤치마크에서 다양한 물체에 대한 그래스핑 성능을 크게 향상시켰으며, 실제 로봇 실험에서도 우수한 성능을 보였다.
翻譯成其他語言
從原文內容
arxiv.org
深入探究