[논문 리뷰] Edge-Based Recognition of Novel Objects for Robotic Grasping

Amirhossein Jabalameli, Nabil Ettehadi외 1명|arXiv (Cornell University)|2018. 02. 23.

Robot Manipulation and Learning참고 문헌 15인용 수 9

한 줄 요약

이 논문은 단일 2D 깊이 이미지를 사용하여 새로운 물체에 대한 로봇 집게 작업을 위한 엣지 기반 프레임워크를 제안한다. 깊이 엣지 탐지, 물체 윤곽 형성, 접촉 영역을 점 대신 사용하여 힘 폐쇄(grasp)를 식별하기 위한 기하 특징 분석을 통해, Baxter 로봇을 사용하여 상자에서는 100% 성공, 실린더에서는 90%, 혼잡한 혼합 환경에서는 72%의 성공률을 달성한다.

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.

연구 동기 및 목표

• 사전에 3D 모델이 없는 구조화되지 않은 환경에서 새로운 물체를 로봇이 집을 수 있도록 하기 위해.
• 단일 깊이 이미지만을 사용하여 부분 관찰 및 가림 상태에서도 집게 작업을 수행할 수 있도록 도전 과제를 해결하기 위해.
• 이산적인 접촉 점 대신 접촉 영역을 사용하여 센서 노이즈와 자세 불확실성에 대한 강건성을 향상시키기 위해.
• 힘 폐쇄, 접근 가능성, 손의 기하학적 제약 조건을 통합된 집게 계획 프레임워크에 통합하기 위해.
• 단일 및 다중 물체 혼잡 환경에서 실제 시나리오에서 방법을 검증하기 위해.

제안 방법

• 엣지 검출 알고리즘을 사용하여 단일 2D 깊이 이미지에서 깊이 엣지를 탐지한다.
• 탐지된 엣지를 물체 경계를 나타내는 윤곽선으로 그룹화한다.
• 엣지 유형(DD/CD)을 분류하고 기하 분석을 위한 와이어스 방향 특징(+, −, 0)을 결정한다.
• 기하 특징과 종단 기구 제약 조건을 기반으로 모든 윤곽선을 평가하여 실현 가능한 집게 구성 요건을 식별한다.
• 힘 폐쇄, 접근 가능성, 손의 운동학적 제약 조건을 만족하는 집게 파라미터(PG, VR, VC)를 생성한다.
• 이산적인 접촉 점 대신 접촉 영역(2D 선분)을 사용하여 센서 노이즈와 자세 불확실성에 대한 강건성을 향상시킨다.

실험 결과

연구 질문

• RQ1 단일 2D 깊이 이미지가 새로운 물체에 대한 신뢰할 수 있는 집게 계획을 위한 충분한 기하 정보를 제공할 수 있는가?
• RQ2 엣지 기반 윤곽 분석은 부분 관찰 및 가림 상태에서도 집게의 강건성을 어떻게 향상시킬 수 있는가?
• RQ3 센서 노이즈와 실행 불확실성 처리에서 접촉 영역이 접촉 점보다 얼마나 뛰어나게 작용하는가?
• RQ4 물체 분할 없이 혼잡한 다중 물체 환경에서 이 방법의 효과는 어떠한가?
• RQ5 집게 탐지 및 실행에서 주요 실패 원인은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 이 방법은 다수의 시도에서 상자 형태의 물체를 집는 데 100%의 성공률를 기록했다.
• 실린더 형태의 물체에 대해서는 성공률가 90%였다(5번의 시도 중 4번 성공).
• 혼합된 다양한 물체 유형이 혼잡한 환경에서는 성공률가 72%로 떨어졌다(8번의 시도 중 5번 성공).
• 집게 실행 실패의 주요 원인은 손가락 끝과 물체 표면 간의 마찰력 부족이었으며, 특히 매끄럽거나 저마찰 성질의 재질에서 두드러졌다.
• 엣지 오류는 주로 엣지 유형(DD/CD) 식별 오류로 인한 가짜 양성 및 가짜 음성 결과를 유발했으며, 이는 특히 엣지 유형 분류에 영향을 미쳤다.
• 접촉 영역을 사용함으로써 점 기반 접촉 모델 대비 자세 및 센서 불확실성에 대한 강건성이 크게 향상되었다.