[論文レビュー] Edge-Based Recognition of Novel Objects for Robotic Grasping

Amirhossein Jabalameli, Nabil Ettehadi+1 more|arXiv (Cornell University)|Feb 23, 2018

Robot Manipulation and Learning参考文献 15被引用数 9

ひとこと要約

本論文では、1枚の2次元深度画像を用いて、未知の新規オブジェクトのロボットグリップを実現するエッジベースのフレームワークを提案する。深度エッジを検出することでオブジェクトの輪郭を形成し、接触領域（点ではなく）を用いて幾何的特徴を評価することで、力閉じ型グリップを特定する。Baxterロボットを用いた実験で、箱型オブジェクトでは100%、シリンダ型オブジェクトでは90%、混合されたごみだらけのシーンでは72%の成功率を達成した。

ABSTRACT

In this paper, we investigate the problem of grasping novel objects in unstructured environments. To address this problem, consideration of the object geometry, reachability and force closure analysis are required. We propose a framework for grasping unknown objects by localizing contact regions on the contours formed by a set of depth edges in a single view 2D depth image. According to the edge geometric features obtained from analyzing the data of the depth map, the contact regions are determined. Finally,We validate the performance of the approach by applying it to the scenes with both single and multiple objects, using Baxter manipulator.

研究の動機と目的

• 構造的でない環境において、事前の3次元モデルがなくても未知のオブジェクトのロボットグリップを可能にすること。
• 単一の深度画像のみを用いて、部分的観測や遮蔽状態下でのグリップを扱う課題に取り組むこと。
• 接触点ではなく接触領域を用いることで、センサのノイズやポーズの不確実性に対する耐性を高めること。
• 力閉じ型、到達可能性、ハンドの幾何的制約を統合した一貫性のあるグリップ計画フレームワークを構築すること。
• 単一および複数オブジェクトが混在するごみだらけのシーンにおいて、実世界のシナリオで手法を検証すること。

提案手法

• エッジ検出アルゴリズムを用いて、1枚の2次元深度画像から深度エッジを検出する。
• 検出されたエッジをグループ化し、オブジェクトの境界を表す輪郭を形成する。
• エッジタイプ（DD/CD）を分類し、幾何的解析用にトルク方向特徴（+、−、0）を特定する。
• すべての輪郭を、幾何的特徴とエンドエフェクタ制約に基づいて評価し、実現可能なグリップ配置を特定する。
• 力閉じ型、到達可能性、ハンドの運動学的制約を満たすグリップパラメータ（PG、VR、VC）を生成する。
• 接触点ではなく接触領域（2次元の線分）を用いることで、センサのノイズやポーズの不確実性に対する耐性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 1枚の2次元深度画像は、未知のオブジェクトの信頼性の高いグリップ計画に十分な幾何的情報を提供できるか？
• RQ2 エッジベースの輪郭解析は、部分的観測や遮蔽状態下でもグリップの耐性をどのように向上させられるか？
• RQ3 センサのノイズや実行の不確実性に対処する際、接触領域が接触点を上回る効果はどの程度か？
• RQ4 オブジェクトのセグメンテーションなしで、ごみだらけの複数オブジェクト環境における手法の有効性はいかがなものか？
• RQ5 グリップ検出および実行における主な失敗モードは何か。それらはどのように緩和できるか？

主な発見

• 本手法は、複数回の試行において、箱型オブジェクトのグリップで100%の成功率を達成した。
• シリンダ型オブジェクトでは、90%の成功率（5回中4回成功）を記録した。
• 複数のオブジェクトが混在する非常にごみだらけのシーンでは、成功率が72%（8回中5回成功）に低下した。
• グリップ実行の失敗の主な原因は、指先とオブジェクト表面との間の摩擦が不足していたことであった。特に滑らかめや低摩擦素材の物体で顕著であった。
• エッジ誤分類やノイズによる検出誤りが、特にDD/CDエッジタイプの識別に影響を与え、誤検出（誤検出）および見逃し（誤検出）の原因となった。
• 接触領域の使用により、点ベースの接触モデルと比較して、ポーズおよびセンサの不確実性に対する耐性が顕著に向上した。