[論文レビュー] Object-Agnostic Suction Grasp Affordance Detection in Dense Cluster Using Self-Supervised Learning.docx

Mingshuo Han, Wenhai Liu+5 more|arXiv (Cornell University)|Jun 7, 2019

Robot Manipulation and Learning参考文献 20被引用数 4

ひとこと要約

本論文は、2つのディープラーニングネットワーク（Fast Region Estimation Network: FRE-Net と Suction Grasp Point Affordance Network: SGPA-Net）を用いて、密度の高いごみだらけの環境において自己教師ありでオブジェクトに依存しない吸盤グリッパによる grasping 検出を行う手法を提案している。シミュレーションおよび実世界の設定において、1500回のピック（約5時間）の後、既知のオブジェクトでは95%、未知のオブジェクトでは90%の精度を達成し、明示的なオブジェクト固有のアノテーションなしで強力な一般化性能を示している。

ABSTRACT

In this paper we study grasp problem in dense cluster, a challenging task in warehouse logistics scenario. By introducing a two-step robust suction affordance detection method, we focus on using vacuum suction pad to clear up a box filled with seen and unseen objects. Two CNN based neural networks are proposed. A Fast Region Estimation Network (FRE-Net) predicts which region contains pickable objects, and a Suction Grasp Point Affordance network (SGPA-Net) determines which point in that region is pickable. So as to enable such two networks, we design a self-supervised learning pipeline to accumulate data, train and test the performance of our method. In both virtual and real environment, within 1500 picks (~5 hours), we reach a picking accuracy of 95% for known objects and 90% for unseen objects with similar geometry features.

研究の動機と目的

• 密度の高い、ごみだらけの倉庫環境において、既知および未知のオブジェクトが混在する状況での自動的オブジェクトピッキングの課題に対処すること。
• 類似した幾何的特徴を持つ未知のオブジェクトに対しても一般化可能なオブジェクトに依存しない grasping 検出システムの開発。
• 高価な人手による grasping アノテーションデータに依存することを減らすために、データ収集およびモデル学習に自己教師ありのパイプラインを活用すること。
• 時間的・データ的制約のもとで、実世界のロボット操作タスクにおいて効率的かつ正確な吸盤グリッパによる grasping プランニングを可能にすること。

提案手法

• 2段階のディープラーニングフレームワークを提案：まず、FRE-Net がポイントクラウド内のピッキング可能なオブジェクトを含む可能性の高い領域を特定する。
• 次に、SGPA-Net が学習されたアフォーダンスマップを用いて、検出された領域内での最も適切な吸盤グリッパの grasping ポイントを予測する。
• 実世界のアノテーションに依存しないように、シミュレートされた相互作用を通じて合成された grasping データを生成する自己教師ありの学習パイプラインを設計した。
• 幾何的整合性と深度情報を利用することで、密度の高いクラスタでのロバストネスを向上させた。
• 類似したオブジェクト形状間の特徴を整列させるために対照的学習の原則を用いたトレーニングパイプラインを採用し、未知のオブジェクトへのゼロショット一般化を可能にした。
• 本手法は、吸盤グリッパを搭載したロボットプラットフォームを用いて、シミュレーションおよび実世界の両方の環境で評価された。

実験結果

リサーチクエスチョン

• RQ1 自己教師ありの学習パイプラインは、人手によるラベルなしで、密度の高い状況における吸盤グリッパの grasping 検出に十分な量のトレーニングデータを有効に生成できるか？
• RQ2 実世界の密度の高いクラスタにおいて、類似した幾何的特徴を持つ未知のオブジェクトに対して、吸盤グリッパの grasping 検出モデルはどの程度一般化できるか？
• RQ3 2段階のネットワークアーキテクチャ（FRE-Net と SGPA-Net）は、混雑したシーンにおけるエンドツーエンドの代替手法と比較して、grasping 検出の正確性をどのように向上させるか？
• RQ4 実世界での展開制約のもとで、オブジェクトに依存しない吸盤グリッパの grasping 検出の性能の上限（正確性とサンプル効率）はどの程度か？

主な発見

• 実世界での展開において約1500回のピック（約5時間）の後、既知のオブジェクトでは95%の grasping 正確性を達成した。
• 類似した幾何的特徴を持つ未知のオブジェクトに対しても、90%の grasping 正確性を維持した。これは、強力なゼロショット一般化性能を示している。
• 自己教師ありの学習パイプラインは、高品質なトレーニングデータを効果的に生成し、人手による grasping ラベルなしでモデルの学習が可能であることを実証した。
• 2段階のネットワーク設計（FRE-Net + SGPA-Net）により、密度の高い混雑したシーンにおける検出のロバストネスと精度が向上した。
• 未知のオブジェクトがトレーニング時のオブジェクトと類似した幾何的特徴を持つ限り、本手法はオブジェクトのカテゴリをまたいで効果的に一般化した。