[논문 리뷰] Grasp Planning for Customized Grippers by Iterative Surface Fitting

Yongxiang Fan, Hsien-Chung Lin외 2명|arXiv (Cornell University)|2018. 03. 30.

Robot Manipulation and Learning참고 문헌 3인용 수 3

한 줄 요약

이 논문은 표면 피팅 오차를 최소화하기 위해 손바닥 자세와 손가락 이동을 동시에 최적화함으로써 맞춤형 그립퍼의 실시간 그립 계획을 위한 반복적 표면 피팅(ISF) 알고리즘을 제안한다. 가이드 샘플링은 국소 최적해를 피하고, 분할되지 않은 포인트 클라우드를 사용하여 복잡하고 혼잡한 물체에 대해 견고한 그립을 가능하게 하며, 평균 계획 시간은 0.1초 이하이다.

ABSTRACT

Customized grippers have broad applications in industrial assembly lines. Compared with general parallel grippers, the customized grippers have specifically designed fingers to increase the contact area with the workpieces and improve the grasp robustness. However, grasp planning for customized grippers is challenging due to the object variations, surface contacts and structural constraints of the grippers. In this paper, an iterative surface fitting (ISF) algorithm is proposed to plan grasps for customized grippers. ISF simultaneously searches for optimal gripper transformation and finger displacement by minimizing the surface fitting error. A guided sampling is introduced to avoid ISF getting stuck in local optima and improve the collision avoidance performance. The proposed algorithm is able to consider the structural constraints of the gripper and plan optimal grasps in real-time. The effectiveness of the algorithm is verified by both simulations and experiments. The experimental videos are available at: http://me.berkeley.edu/\%7Eyongxiangfan/CASE2018/caseisf.html

연구 동기 및 목표

• 대규모 표면 접촉과 구조적 제약 조건을 고려한 맞춤형 그립퍼의 그립 계획 과제를 해결한다.
• 그립퍼와 물체 기하학 간의 표면 매칭을 활용하여 그립의 견고성과 안정성을 향상시킨다.
• 복잡한 물체 형태와 혼잡한 환경에도 불구하고 실시간 그립 계획을 가능하게 한다.
• 기존의 점 접촉 모델의 한계와 표면 기반 그립 계획에서의 계산 비용이 높은 최적화 문제를 해결한다.
• 구조적 제약 조건(예: 씰런 너비, DOFs)과 접촉 법선 정렬을 그립 계획 과정에 통합한다.

제안 방법

• 닫힌 형태의 해를 사용하여 손바닥 자세와 손가락 이동을 동시에 최적화하는 반복적 손바닥-손가락 최적화(IPFO) 프레임워크를 제안한다.
• 그립퍼와 물체 표면 간의 거리 및 접촉 법선의 불일치를 기반으로 표면 피팅 오차 지표를 정의한다.
• 가시성 높은 그립 후보를 초기화하기 위해 가이드 샘플링을 구현하여 국소 최적해의 위험을 줄인다.
• 스테레오 카메라에서 얻은 분할되지 않은 3차원 포인트 클라우드를 입력으로 사용하며, 표면 스무딩과 법선 추정을 통해 실제 환경에서의 견고성을 확보한다.
• 수렴할 때까지 다중 반복을 거쳐 표면 피팅 오차를 최소화하기 위해 반복 최적화를 적용한다.
• 구조적 제약 조건(예: 씰런 너비, DOFs)을 최적화 과정에 직접 통합하여 타당한 그립퍼 구성이 되도록 보장한다.

실험 결과

연구 질문

• RQ1 대규모 표면 접촉과 구조적 제약 조건을 고려할 때, 맞춤형 그립퍼의 그립 계획을 어떻게 효율적이고 견고하게 만들 수 있는가?
• RQ2 손바닥-손가락 동시 최적화를 통한 반복적 표면 피팅이 복잡한 환경에서 실시간 성능를 달성할 수 있는가?
• RQ3 가이드 샘플링은 표면 기반 그립 계획에서 수렴성과 충돌 회피에 어떻게 기여하는가?
• RQ4 알고리즘이 혼잡한 산업 현장에서 분할되지 않은 노이즈가 많은 포인트 클라우드를 얼마나 잘 처리할 수 있는가?
• RQ5 재학습 없이도 복잡한 기하학적 형태와 다양한 크기를 가진 물체에 일반화될 수 있는가?

주요 결과

• ISF 알고리즘은 시뮬레이션에서 충돌 없는 그립당 평균 64.4ms의 계획 시간을 기록하였으며, 실험을 통해 실시간 성능가 확인되었다.
• 시뮬레이션에서 알고리즘은 9종의 시험 물체에 대해 평균 60개 샘플당 36.2개의 충돌 없는 그립을 성공적으로 찾았다.
• 가이드 샘플링 전략은 수렴성을 크게 향상시키고 국소 최적해의 위험을 줄였으며, 7회 반복 동안 표면 피팅 오차가 10mm에서 1mm로 안정적으로 감소함을 입증했다.
• FANUC 산업용 로봇에서의 실험을 통해 Doraemon과 드라이버와 같은 복잡한 형태의 6종의 다양한 물체에 대해 성공적인 그립 실행을 수행했다.
• 강한 혼잡도가 있는 환경에서 분할되지 않은 포인트 클라우드를 사용하여도, 가림과 복잡한 표면 조합에도 불구하고 알고리즘은 순차적 그립을 성공적으로 식별하고 실행했다.
• IPFO의 7회 반복 동안 표면 피팅 오차가 10mm에서 1mm로 감소하여 효과적인 수렴성과 표면 매칭이 이루어졌음을 확인했다.