[論文レビュー] Closing the Loop for Robotic Grasping: A Real-time, Generative Grasp Synthesis Approach

D.R.O. Morrison, Peter Corke+1 more|arXiv (Cornell University)|Apr 14, 2018

Robot Manipulation and Learning被引用数 6

ひとこと要約

本論文は、軽量な生成的グリッピング畳み込みニューラルネットワーク（GG-CNN）を用いて、深度画像の各画素に対してグリップ品質、角度、幅を直接予測する、リアルタイムで生成的なグリップ合成手法を提案する。これにより、最大50Hzのクローズドループグリッピングが可能となる。本手法は、悪意のある3Dプリント物体に対して83%の成功率を達成し、家庭用物品では88%、動的クラッター環境では81%の成功率を示し、制御誤差がある状況下でもオープンループ手法を上回る性能を発揮する。

ABSTRACT

This paper presents a real-time, object-independent grasp synthesis method which can be used for closed-loop grasping. Our proposed Generative Grasping Convolutional Neural Network (GG-CNN) predicts the quality and pose of grasps at every pixel. This one-to-one mapping from a depth image overcomes limitations of current deep-learning grasping techniques by avoiding discrete sampling of grasp candidates and long computation times. Additionally, our GG-CNN is orders of magnitude smaller while detecting stable grasps with equivalent performance to current state-of-the-art techniques. The light-weight and single-pass generative nature of our GG-CNN allows for closed-loop control at up to 50Hz, enabling accurate grasping in non-static environments where objects move and in the presence of robot control inaccuracies. In our real-world tests, we achieve an 83% grasp success rate on a set of previously unseen objects with adversarial geometry and 88% on a set of household objects that are moved during the grasp attempt. We also achieve 81% accuracy when grasping in dynamic clutter.

研究の動機と目的

• 物体が動く・ロボット制御に誤差がある動的環境において、リアルタイムでクローズドループのロボットグリッピングを可能にすること。
• 従来の深層学習ベースのグリップ合成手法が、グリップ候補の遅い離散的サンプリングに依存しているという限界を克服すること。
• 実用的導入に適した高速動作（50Hz）を実現する、軽量で物体に依存しないグリップ合成モデルを開発すること。
• 実世界のロボット操作における、認識ノイズ、制御誤差、動的クラッターへの耐性を向上させること。
• 標準化された物体セットを用い、明確な実験プロトコルを定義することで、再現性を促進すること。

提案手法

• GG-CNNは、グリップ候補のサンプリングを回避するため、深度画像の各画素に対してグリップ品質、角度、グリッパー幅を直接回帰する。
• ネットワークは完全畳み込み型であり、1回の推論モードで学習可能で、GPU上で19msの推論時間で実現できる。
• グリップポーズは、品質スコアを伴うアンチポーラルグリップとしてパラメータライズされ、深度入力からロボットコマンドへのエンドツーエンド制御が可能になる。
• クローズドループ制御システムは、リアルタイムの深度フィードバックを用いてグリップ予測を継続的に更新し、動きや制御誤差を補正する。
• システムは20msごとに（50Hzで）再評価する速度指令ループを用い、動的適応を可能にする。
• 制御誤差は、カーテシアン速度に自己相関ノイズを導入することでシミュレートし、耐性をテストする。

実験結果

リサーチクエスチョン

• RQ1 深層学習ベースのグリップ合成システムは、動的環境におけるクローズドループグリッピングで50Hzのリアルタイム性能を達成できるか？
• RQ2 直接的で画素単位のグリップ生成アプローチは、サンプリングベースの手法に比べて速度と耐性で優位性を示すか？
• RQ3 物体の動的移動やロボット制御誤差がある状況下で、本システムの性能はいかがなっているか？
• RQ4 複雑な形状を持つ未観測の悪意ある物体や家庭用物品へも一般化可能か？
• RQ5 従来の手法と比較して、動的クラッター環境下での本手法の性能は？

主な発見

• 本手法は、グリップ中に移動する8つの3Dプリントされた悪意ある物体に対して83%のグリップ成功率を達成し、先行研究を上回った。
• 標準化されたベンチマークセットに含まれる12種類の家庭用物品に対して、動的条件下で88%の成功率を達成した。
• 動的クラッター環境では81%のグリップ成功率を達成し、この設定における最先端技術を改善した。
• 深刻な制御誤差（σ = 0.15）下でも、クローズドループ手法は68%および73%の成功率を維持したが、オープンループ手法は38%に低下した。
• GG-CNNはGPU上で19msの推論時間で実行され、50Hzの制御が可能であり、同等のネットワークと比較してパラメータ数が桁違いに少ない。
• 認識ノイズおよび制御ノイズに対して耐性があり、性能劣化はカメラの更新範囲（物体からの70mm）に制限されており、ネットワーク自体の影響ではない。