[論文レビュー] Robotic Grasping from Classical to Modern: A Survey

Hanbo Zhang, Jian Tang+2 more|arXiv (Cornell University)|Feb 8, 2022

Robot Manipulation and Learning被引用数 22

ひとこと要約

この論文は、古典的な解析的手法から現代のデータ駆動型およびオブジェクト中心のアプローチまでのロボット把持の進展を概説し、表現、方法、データセット、および未解決の課題を強調します。

ABSTRACT

Robotic Grasping has always been an active topic in robotics since grasping is one of the fundamental but most challenging skills of robots. It demands the coordination of robotic perception, planning, and control for robustness and intelligence. However, current solutions are still far behind humans, especially when confronting unstructured scenarios. In this paper, we survey the advances of robotic grasping, starting from the classical formulations and solutions to the modern ones. By reviewing the history of robotic grasping, we want to provide a complete view of this community, and perhaps inspire the combination and fusion of different ideas, which we think would be helpful to touch and explore the essence of robotic grasping problems. In detail, we firstly give an overview of the analytic methods for robotic grasping. After that, we provide a discussion on the recent state-of-the-art data-driven grasping approaches rising in recent years. With the development of computer vision, semantic grasping is being widely investigated and can be the basis of intelligent manipulation and skill learning for autonomous robotic systems in the future. Therefore, in our survey, we also briefly review the recent progress in this topic. Finally, we discuss the open problems and the future research directions that may be important for the human-level robustness, autonomy, and intelligence of robots.

研究の動機と目的

• 古典的なアプローチから現代的なアプローチまで、ロボット把持の全体像を提示する。
• 解析的把持合成、データ駆動法、そしてオブジェクト中心の把持を論じる。
• 頑健な把持における知覚、計画、制御の役割を強調する。
• 人間レベルの頑健性と意味論的把持へ向けた未解決問題と今後の動向を特定する。

提案手法

• 力閉塞と形状閉塞の概念を用いた解析的把持合成をレビューする。
• 模倣学習、サンプリングに基づく手法、エンドツーエンド学習を含むデータ駆動の把持アプローチを論じる。
• オブジェクト中心の把持とセマンティック把持の視点を紹介する。
• 接触ベース、SE(3)、2D/3D、ピクセルレベルの把持マップなど、把持表現を要約する。
• 把持研究におけるデータセットと評価概念を強調する。

実験結果

リサーチクエスチョン

• RQ1 ロボット工学における把持の形式的定義と表現とは何か？
• RQ2 解析的手法とデータ駆動手法は把持合成の解決にどのように進化してきたか？
• RQ3 各アプローチのトレードオフ、利点、および限界は何か？
• RQ4 頑健で自律的、意味論的に根ざした把持の有望な将来の方向性は何か？

主な発見

• 解析的把持合成は形閉塞と力閉塞に依存し、さまざまな接触モデルとともに基盤となってきた。
• データ駆動の把持が近年の進展を支配し、模倣、サンプリングベースの識別、エンドツーエンド学習を活用している。
• オブジェクト中心およびセマンティック把持は、非構造化シーンと人間の言語インターフェースを扱う新たな方向性として出現している。
• 自己教師あり学習、シミュレーション、およびドメイン転送は、データ需要とシム-実機のギャップを解決するために用いられている。
• 把持表現は接触ベースおよびSE(3)からピクセルレベルの把持マップまで広がり、進化する知覚能力を反映している。
• Dex-Net や Jacquard のようなデータセットは、データ駆動把持研究で中心的な役割を果たす。