論文の概要: Grasping Trajectory Optimization with Point Clouds
- arxiv url: http://arxiv.org/abs/2403.05466v1
- Date: Fri, 8 Mar 2024 17:29:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 12:54:28.652561
- Title: Grasping Trajectory Optimization with Point Clouds
- Title(参考訳): 点雲による軌道最適化
- Authors: Yu Xiang, Sai Haneesh Allu, Rohith Peddi, Tyler Summers, Vibhav Gogate
- Abstract要約: 本稿では,ロボットとタスク空間のポイントクラウド表現に基づく,ロボットグルーピングのための新しい軌道最適化手法を提案する。
本手法では,ロボットはリンク面上の3Dポイントで表現され,ロボットのタスク空間は深度センサから得られる点雲で表現される。
- 参考スコア(独自算出の注目度): 6.99668622081089
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce a new trajectory optimization method for robotic grasping based
on a point-cloud representation of robots and task spaces. In our method,
robots are represented by 3D points on their link surfaces. The task space of a
robot is represented by a point cloud that can be obtained from depth sensors.
Using the point-cloud representation, goal reaching in grasping can be
formulated as point matching, while collision avoidance can be efficiently
achieved by querying the signed distance values of the robot points in the
signed distance field of the scene points. Consequently, a constrained
non-linear optimization problem is formulated to solve the joint motion and
grasp planning problem. The advantage of our method is that the point-cloud
representation is general to be used with any robot in any environment. We
demonstrate the effectiveness of our method by conducting experiments on a
tabletop scene and a shelf scene for grasping with a Fetch mobile manipulator
and a Franka Panda arm.
- Abstract(参考訳): 本稿では,ロボットとタスク空間のポイントクラウド表現に基づくロボット把持のための新しい軌道最適化手法を提案する。
本手法では,ロボットはリンク面上の3Dポイントで表現される。
ロボットのタスク空間は、深度センサから得られる点雲によって表現される。
このポイントクラウド表現を用いて、把持における目標到達をポイントマッチングとして定式化することができ、シーンポイントの符号付き距離フィールドにおいてロボットポイントの符号付き距離値をクエリすることにより、衝突回避を効率的に達成することができる。
これにより、制約付き非線形最適化問題を定式化し、関節運動及び把持計画問題を解く。
本手法の利点は,どの環境においても,どのロボットでもポイントクラウド表現が利用可能である点にある。
本研究では,Fetch移動マニピュレータとFranka Pandaアームを用いて,テーブルトップシーンと棚シーンで実験を行い,本手法の有効性を実証する。
関連論文リスト
- Neural Potential Field for Obstacle-Aware Local Motion Planning [46.42871544295734]
本稿では,ロボットのポーズ,障害物マップ,ロボットのフットプリントに基づいて,異なる衝突コストを返却するニューラルネットワークモデルを提案する。
私たちのアーキテクチャには、障害物マップとロボットフットプリントを埋め込みに変換するニューラルイメージエンコーダが含まれています。
Husky UGVモバイルロボットの実験は、我々のアプローチがリアルタイムで安全なローカルプランニングを可能にすることを示した。
論文 参考訳(メタデータ) (2023-10-25T05:00:21Z) - ImageManip: Image-based Robotic Manipulation with Affordance-guided Next
View Selection [10.162882793554191]
ロボットが環境と対話するためには、3Dの関節による物体操作が不可欠である。
既存の多くの研究では、操作ポリシーの主要な入力として3Dポイントクラウドを使用している。
RGB画像は、コスト効率の良い装置を用いた高分解能な観察を提供するが、空間的3次元幾何学的情報は欠如している。
このフレームワークは、対象対象物の複数の視点を捉え、その幾何学を補完するために深度情報を推測するように設計されている。
論文 参考訳(メタデータ) (2023-10-13T12:42:54Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳(メタデータ) (2023-06-16T17:58:10Z) - External Camera-based Mobile Robot Pose Estimation for Collaborative
Perception with Smart Edge Sensors [22.5939915003931]
本稿では,移動ロボットのポーズを多視点RGB画像を用いた静的カメラネットワークのアロセントリック座標で推定する手法を提案する。
画像はオンラインで、深層ニューラルネットワークによってスマートエッジセンサーでローカルに処理され、ロボットを検出する。
ロボットのポーズを正確に推定すると、その観察は同中心のシーンモデルに融合することができる。
論文 参考訳(メタデータ) (2023-03-07T11:03:33Z) - Simultaneous Contact-Rich Grasping and Locomotion via Distributed
Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。
ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
論文 参考訳(メタデータ) (2022-07-04T13:52:10Z) - Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。
搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。
ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文 参考訳(メタデータ) (2022-06-16T10:45:17Z) - Relative Localization of Mobile Robots with Multiple Ultra-WideBand
Ranging Measurements [15.209043435869189]
ロボット群間の相対的なポーズを,複数のUWB範囲のノードを各ロボットに装備することで推定する手法を提案する。
局所化精度を向上させるため,スライディングウインドウを用いた最適化により,オドメトリー制約を利用する。
論文 参考訳(メタデータ) (2021-07-19T12:57:02Z) - Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes [50.303361537562715]
6-DoFパラレルジャッジの分布を効率的に生成するエンドツーエンドネットワークを提案する。
観測された点群の6-DoF把握ポーズと幅を根付かせることで、把握表現の寸法を4-DoFに縮小することができます。
構造クラッタにおける未知物体のロボット把持実験では, 90%以上の成功率を達成し, 最近の最先端手法と比較して, 故障率を半分に削減した。
論文 参考訳(メタデータ) (2021-03-25T20:33:29Z) - Large Scale Distributed Collaborative Unlabeled Motion Planning with
Graph Policy Gradients [122.85280150421175]
本研究では,運動制約と空間制約を多数のロボットに対して2次元空間で解くための学習法を提案する。
ロボットのポリシーをパラメータ化するためにグラフニューラルネットワーク(GNN)を用いる。
論文 参考訳(メタデータ) (2021-02-11T21:57:43Z) - Human-like Planning for Reaching in Cluttered Environments [11.55532557594561]
人間は、散らかった環境でオブジェクトに手を伸ばすのに驚くほど適しています。
我々は、人間の高度な操作計画を特定し、これらのスキルをロボットプランナーに転送する。
人間のようなプランナーは、最先端の標準軌道最適化アルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2020-02-28T14:28:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。