[論文レビュー] DcnnGrasp: Towards Accurate Grasp Pattern Recognition with Adaptive Regularizer Learning

Xiaoqin Zhang, Ziwei Huang+3 more|arXiv (Cornell University)|May 11, 2022

Robot Manipulation and Learning被引用数 4

ひとこと要約

本論文では、新たな共同交差エントロピーと自己適応正則化子（JCEAR）損失関数を用いて、物体カテゴリ分類とグリップパターン認識を共同で学習する二重ブランチ畳み込みニューラルネットワーク（DcnnGrasp）を提案する。カテゴリ情報を利用して補助タスクとし、協調学習を最適化することで、RGB-D Objectデータセットにおける未学習物体のテストで、2番目に優れた手法よりも15%高いグローバル精度を達成し、強力な汎化性能と欠落したグリップラベルに対するロバスト性を示した。

ABSTRACT

The task of grasp pattern recognition aims to derive the applicable grasp types of an object according to the visual information. Current state-of-the-art methods ignore category information of objects which is crucial for grasp pattern recognition. This paper presents a novel dual-branch convolutional neural network (DcnnGrasp) to achieve joint learning of object category classification and grasp pattern recognition. DcnnGrasp takes object category classification as an auxiliary task to improve the effectiveness of grasp pattern recognition. Meanwhile, a new loss function called joint cross-entropy with an adaptive regularizer is derived through maximizing a posterior, which significantly improves the model performance. Besides, based on the new loss function, a training strategy is proposed to maximize the collaborative learning of the two tasks. The experiment was performed on five household objects datasets including the RGB-D Object dataset, Hit-GPRec dataset, Amsterdam library of object images (ALOI), Columbia University Image Library (COIL-100), and MeganePro dataset 1. The experimental results demonstrated that the proposed method can achieve competitive performance on grasp pattern recognition with several state-of-the-art methods. Specifically, our method even outperformed the second-best one by nearly 15% in terms of global accuracy for the case of testing a novel object on the RGB-D Object dataset.

研究の動機と目的

• 未学習の物体におけるグリップパターン認識の課題、特にグリップラベルが不足しているまたは曖昧な状況に対処すること。
• グリップ認識における補助信号としての物体カテゴリ情報の統合により、モデルの汎化性能を向上させること。
• カテゴリ分類とグリップパターン認識の間で協調学習を最大化するトレーニング戦略を開発すること。
• 実世界の応用で一般的な欠落または不完全なグリップラベルに対して、ロバスト性を高めること。
• 人間がグリップ予測に自然に利用するカテゴリレベルの事前知識を無視する既存手法の限界を克服すること。

提案手法

• 一つのブランチが物体カテゴリを分類し、もう一方がグリップタイプを予測する二重ブランチ畳み込みニューラルネットワーク（CNN）アーキテクチャを採用し、初期の畳み込み特徴を共有する。
• 尤度を最大化することで導出された、新たな損失関数である共同交差エントロピーと自己適応正則化子（JCEAR）を提案し、両タスクの共同最適化を促進する。
• 自己適応正則化子は、モデルの不確実性に基づいてカテゴリタスクとグリップタスクの損失重みを動的に調整し、トレーニングの安定性と性能を向上させる。
• 両タスク間の協調学習を最大化するための専用トレーニング戦略を設計し、カテゴリ知識がグリップ認識を向上させることを保証する。
• RGB-D ObjectおよびHit-GPRecデータセットから新たに構築した二つの二重ラベルデータセットを用いてトレーニングを行い、両方のラベル（カテゴリとグリップ）がアノテーションされている。

実験結果

リサーチクエスチョン

• RQ1 物体カテゴリ情報を補助タスクとして組み込むことで、特に未学習の物体においてグリップパターン認識の性能が顕著に向上するか？
• RQ2 自己適応正則化を備えた共同損失関数は、カテゴリ分類とグリップ認識の間の協調学習をどのように向上させるか？
• RQ3 DcnnGraspは、トレーニング時に見なかった新しい物体にどの程度汎化できるか、特にサイズや構造的混乱といった困難な状況下でもか？
• RQ4 グリップラベルがトレーニングデータに欠落または希少である場合、モデルのロバスト性はどの程度か？
• RQ5 提案されたJCEAR損失関数とトレーニング戦略は、ラベルありおよび部分的にラベルが付与された状況の両方で、既存の最先端手法を上回ることができるか？

主な発見

• RGB-D Objectデータセットでは、DcnnGraspは未学習物体のテストで94%を超えるグローバル精度を達成し、2番目に優れた手法よりも約15%高い性能を示した。
• Hit-GPRecデータセットでは、DcnnGraspはすべての評価指標で99%以上の性能を維持し、影などのデータセット固有のノイズに対しても高いロバスト性を示した。
• カテゴリごとに1つのラベル付きグリップ例しか持たない状況でも、DcnnGraspはRGB-D Objectデータセットで90%、Hit-GPRecデータセットで95%のグローバル精度を達成し、低ショット条件でも強い汎化性能を示した。
• アブレーションスタディにより、JCEARに基づくトレーニング戦略が、特に未学習物体やラベル不足の状況での性能向上に顕著に寄与することが確認された。
• DcnnGraspは欠落したグリップラベルに対して優れたロバスト性を示した：CnnGraspでは異なるラベル比率下で性能が10–15%低下したが、DcnnGraspでは性能の変動が2%未満にとどまった。