[論文レビュー] Caging Loops in Shape Embedding Space: Theory and Computation

Jian Liu, Shiqing Xin+4 more|arXiv (Cornell University)|Jul 31, 2018

Robot Manipulation and Learning参考文献 18被引用数 4

ひとこと要約

本稿では、形状埋め込み空間におけるコーナー環の計算により、表面幾何から分離されたコーナー grasps を合成する新規手法を提案する。これにより、複雑でノイジー、あるいは不完全な3次元再構成に対しても、頑健なグリップを実現できる。埋め込み空間における距離場にモース理論を適用することで、スケールに敏感でトポロジーに配慮したコーナー環を生成し、複数のハンドルや凹状領域を含めることができる。これにより、未知の物体や小規模な物体に対するグリップ信頼性が著しく向上し、実世界のロボット実装でも90–100％の成功率を達成した。

ABSTRACT

We propose to synthesize feasible caging grasps for a target object through computing Caging Loops, a closed curve defined in the shape embedding space of the object. Different from the traditional methods, our approach decouples caging loops from the surface geometry of target objects through working in the embedding space. This enables us to synthesize caging loops encompassing multiple topological holes, instead of always tied with one specific handle which could be too small to be graspable by the robot gripper. Our method extracts caging loops through a topological analysis of the distance field defined for the target surface in the embedding space, based on a rigorous theoretical study on the relation between caging loops and the field topology. Due to the decoupling, our method can tolerate incomplete and noisy surface geometry of an unknown target object captured on-the-fly. We implemented our method with a robotic gripper and demonstrate through extensive experiments that our method can synthesize reliable grasps for objects with complex surface geometry and topology and in various scales.

研究の動機と目的

• 従来のコーナー grasp 法が表面幾何に過敏であり、グリッパーと物体のサイズの不一致に弱いという限界を是正すること。
• 即座に観測された未知または部分的に再構成された3次元物体に対して、コーナー grasp を合成可能にすること。
• 幾何的詳細からコーナー環の計算を分離しつつも、物体構造のトポロジーに配慮すること。
• 単一のハンドルでのグリップがサイズ制約により不可能な場合に、複数のトポロジー的穴や凹状領域を含むコーナー環を生成できること。
• 実世界のロボットグリッピングシナリオにおける幾何的ノイズや不完全なデータに対しても頑健であること。

提案手法

• 本手法は、ターゲットオブジェクトの形状埋め込み空間においてコーナー環を計算する。表面幾何は距離場によって抽象化される。
• グリッパーのサイズに基づくグリッピング空間を定義し、物理的実現可能性を保証するためのコーナー環の探索領域を設定する。
• 埋め込み空間におけるオブジェクトのrオフセット表面から距離場を構築し、その臨界点（極小、極大、へそ）をモース理論を用いて分析することで、コーナー環候補を検出する。
• 距離場内のへそ点の検出と解析によりコーナー環を抽出し、物体のトポロジー的整合性と空間的閉じ込めを保証する。
• 定理3.3を用いて情報のないサンプル点をフィルタリングすることで、計算負荷を低減しつつも有効な環候補を保持する。
• 本手法は、2台のRGB-Dカメラと7自由度のBarrett WAMアームを搭載したロボットプラットフォームに実装されており、リアルタイムの再構成とグリップ計画に深度画像のみを用いている。

実験結果

リサーチクエスチョン

• RQ1 表面幾何に依存しない方法で、物体のトポロジーとグリッパーに対する相対的サイズに配慮したコーナー環を計算可能か？
• RQ2 形状埋め込み空間における距離場にモース理論をどのように適用すれば、信頼性の高いコーナー環候補を検出できるか？
• RQ3 リアルタイムのロボットグリッピングにおいて、幾何的ノイズや不完全な表面再構成に対して、どの程度耐性を示せるか？
• RQ4 単一ハンドルグリップが不可能な場合に、複数のトポロジー的特徴（例：ハンドルや凹状領域）を含むコーナー環を合成可能か？
• RQ5 実世界の条件下で、従来の幾何ベースのコーナー grasp 法と比較して、本手法のグリップ成功確率はどの程度優れているか？

主な発見

• 本手法は、個々のハンドルがグリッパーに小さすぎる場合でも、複数のトポロジー的ハンドルや凹状領域を含むコーナー環を効果的に生成できた。
• 実際の家庭用オブジェクトにおいて、グリップ成功率が90–100％に達し、一般的に約85％程度の従来手法を上回った。
• 幾何的ノイズや変動に対してもアルゴリズムが頑健であることが、VenusやPillarモデルに7％のガウスノイズ（モデルサイズ比）を加えた場合でも一貫したコーナー環生成により実証された。
• 2K頂点メッシュの平均計算時間は約1.5秒であり、ロボットの運動計画とリアルタイム統合が可能である。
• 2台のRGB-Dカメラからの疎で低品質な深度データに対しても、本手法は物理的実現可能性と安定性を維持でき、即座のオブジェクト再構成に有効であることが示された。
• モース理論に基づく理論的分析により、検出されたコーナー環がトポロジカルに有効であり、グリッパーのサイズに物理的に妥当であることが保証された。