論文の概要: TetraGrip: Sensor-Driven Multi-Suction Reactive Object Manipulation in Cluttered Scenes
- arxiv url: http://arxiv.org/abs/2503.08978v1
- Date: Wed, 12 Mar 2025 00:53:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-13 15:38:09.774351
- Title: TetraGrip: Sensor-Driven Multi-Suction Reactive Object Manipulation in Cluttered Scenes
- Title（参考訳）: TetraGrip: クラッタシーンにおけるセンサ駆動型マルチ吸引型リアクティブオブジェクト操作
- Authors: Paolo Torrado, Joshua Levin, Markus Grotz, Joshua Smith,
- Abstract要約: テトラは、リニアアクチュエータに搭載された4つの吸引カップを備えた、真空ベースの新しい把握戦略である。
倉庫のような環境下でのテトラの評価を行い、積み重ねや閉塞された構成でオブジェクトを操作できることを実証した。
以上の結果から,RLをベースとした政策は,単一吸引グリップよりも22.86%向上することが示唆された。
- 参考スコア（独自算出の注目度）: 2.941766061060261
- License:
- Abstract: Warehouse robotic systems equipped with vacuum grippers must reliably grasp a diverse range of objects from densely packed shelves. However, these environments present significant challenges, including occlusions, diverse object orientations, stacked and obstructed items, and surfaces that are difficult to suction. We introduce \tetra, a novel vacuum-based grasping strategy featuring four suction cups mounted on linear actuators. Each actuator is equipped with an optical time-of-flight (ToF) proximity sensor, enabling reactive grasping. We evaluate \tetra in a warehouse-style setting, demonstrating its ability to manipulate objects in stacked and obstructed configurations. Our results show that our RL-based policy improves picking success in stacked-object scenarios by 22.86\% compared to a single-suction gripper. Additionally, we demonstrate that TetraGrip can successfully grasp objects in scenarios where a single-suction gripper fails due to physical limitations, specifically in two cases: (1) picking an object occluded by another object and (2) retrieving an object in a complex scenario. These findings highlight the advantages of multi-actuated, suction-based grasping in unstructured warehouse environments. The project website is available at: \href{https://tetragrip.github.io/}{https://tetragrip.github.io/}.
- Abstract（参考訳）: 真空グリップを備えた倉庫ロボットシステムは、密集した棚からさまざまな物体を確実に把握する必要がある。
しかしながら、これらの環境は、閉塞性、多様なオブジェクト指向、積み重ねられた、閉塞されたアイテム、吸引が困難な表面など、重要な課題を呈している。
線形アクチュエータに4つの吸引カップを装着した,真空をベースとした新しいグリップ戦略である \tetra を導入する。
各アクチュエータは、光学的飛行時間(ToF)近接センサを備え、反応性の把握を可能にする。
倉庫形式の環境では,<tetra</te>の評価を行い,積み重ねや閉塞した構成でオブジェクトを操作できることを実証した。
以上の結果から,RLをベースとした政策は,単一吸引グリップよりも22.86倍の精度で積み重ね対象シナリオのピック成功率を向上させることが示唆された。
さらに, 単一吸引グリップが物理的制限により失敗するシナリオにおいて, オブジェクトの認識に成功していることを示す。
これらの知見は、非構造倉庫環境における多機能吸引方式の把握の利点を浮き彫りにしたものである。
プロジェクトのWebサイトは以下の通りである。
関連論文リスト
- REVAMP: Automated Simulations of Adversarial Attacks on Arbitrary
Objects in Realistic Scenes [33.138002744768634]
ディープラーニングモデルは、攻撃者が環境に敵オブジェクトを配置できる敵攻撃に対して脆弱であり、誤分類につながる。
我々は、任意のオブジェクトでアタックシナリオを作成するための最初のツールである、使いやすくて使いやすいPythonライブラリであるREVAMPを紹介した。
我々は、様々なシーンパラメータを制御しながら、選択したオブジェクトに対して逆テクスチャを生成するために、REVAMPを試してみるよう聴衆に紹介し、招待する。
論文 参考訳（メタデータ） (2023-10-18T18:28:44Z) - Few-shot Object Detection in Remote Sensing: Lifting the Curse of
Incompletely Annotated Novel Objects [23.171410277239534]
物体検出のための自己学習型FSOD (ST-FSOD) アプローチを提案する。
提案手法は,様々なFSOD設定における最先端性能を大きなマージンで向上させる。
論文 参考訳（メタデータ） (2023-09-19T13:00:25Z) - Rethinking the Localization in Weakly Supervised Object Localization [51.29084037301646]
弱教師付きオブジェクトローカライゼーション(WSOL)は、コンピュータビジョンにおいて最も人気があり、困難なタスクの1つである。
最近、WSOLを2つの部分(クラスに依存しないオブジェクトのローカライゼーションとオブジェクトの分類)に分割することが、このタスクの最先端のパイプラインになっている。
本研究では,SCRを複数物体の局所化のためのバイナリクラス検出器(BCD)に置き換えることを提案する。
論文 参考訳（メタデータ） (2023-08-11T14:38:51Z) - SOOD: Towards Semi-Supervised Oriented Object Detection [57.05141794402972]
本稿では, 主流の擬似ラベリングフレームワーク上に構築された, SOOD と呼ばれる, 半教師付きオブジェクト指向物体検出モデルを提案する。
提案した2つの損失をトレーニングした場合,SOODはDOTA-v1.5ベンチマークの様々な設定下で,最先端のSSOD法を超越することを示した。
論文 参考訳（メタデータ） (2023-04-10T11:10:42Z) - To Make Yourself Invisible with Adversarial Semantic Contours [47.755808439588094]
逆セマンティック・コンター(英: Adversarial Semantic Contour、ASC)は、物体の輪郭の前に騙されたスパース・アタックのベイズ的定式化の見積もりである。
ASCは、異なるアーキテクチャを持つ9つの近代検出器の予測を損なう可能性があることを示す。
我々は、様々なアーキテクチャを持つ物体検出器の共通弱点である輪郭について注意を払って結論付けた。
論文 参考訳（メタデータ） (2023-03-01T07:22:39Z) - Environment-aware Interactive Movement Primitives for Object Reaching in
Clutter [4.5459332718995205]
本稿では,制約付き多目的最適化フレームワーク(OptI-ProMP)を提案する。
OptI-ProMPの特徴は、ターゲット地区の静的、動的、およびプッシュ可能なオブジェクトの両方に関連するコストであり、問題の初期化には確率的プリミティブに依存している。
文献からのProMPベースのプランナとOptI-ProMPを,低(3-dofs),高(7-dofs)デキスタリティロボット体でシミュレーションした。
論文 参考訳（メタデータ） (2022-10-28T15:03:23Z) - Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value
Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。
このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文 参考訳（メタデータ） (2022-06-29T18:47:05Z) - Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。
既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。
私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文 参考訳（メタデータ） (2022-03-18T21:13:56Z) - Mechanical Search on Shelves using a Novel "Bluction" Tool [39.44966150696158]
ストレージ効率は可視性とアクセシビリティを低下させる。
薄型押出刃と吸込カップグリップを組み合わせた新しい吹出し工具を提案する。
吸引握り動作を用いることで、プッシュオンリーのポリシーを26%、物理的環境を67%向上させることができる。
論文 参考訳（メタデータ） (2022-01-22T05:47:30Z) - TSDF++: A Multi-Object Formulation for Dynamic Object Tracking and
Reconstruction [57.1209039399599]
我々は,シーン全体とその中のすべてのオブジェクトに対して,単一のボリュームを維持できるマップ表現を提案する。
複数の動的オブジェクト追跡および再構成シナリオにおいて,本表現は,近接して移動する他のオブジェクトによって一時的にオクルードされても,表面の正確な再構成を維持できる。
提案したTSDF++の定式化を公開合成データセット上で評価し,標準のTSDFマップ表現と比較した場合の閉塞面の復元性を示す。
論文 参考訳（メタデータ） (2021-05-16T16:15:05Z)
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。