[论文解读] Caging Loops in Shape Embedding Space: Theory and Computation

Jian Liu, Shiqing Xin+4 more|arXiv (Cornell University)|Jul 31, 2018

Robot Manipulation and Learning参考文献 18被引用 4

一句话总结

本文提出了一种新颖的方法，通过在形状嵌入空间中计算捕获环路，将环路生成与表面几何解耦，从而实现对复杂、噪声大或不完整的3D重建的鲁棒抓取。通过在嵌入空间的距离场中应用Morse理论，该方法生成具有尺度感知和拓扑感知能力的捕获环路，能够包围多个把手或凹陷区域，显著提升了对未知或小尺度物体的抓取可靠性，在真实机器人系统中实现了90–100%的成功率。

ABSTRACT

We propose to synthesize feasible caging grasps for a target object through computing Caging Loops, a closed curve defined in the shape embedding space of the object. Different from the traditional methods, our approach decouples caging loops from the surface geometry of target objects through working in the embedding space. This enables us to synthesize caging loops encompassing multiple topological holes, instead of always tied with one specific handle which could be too small to be graspable by the robot gripper. Our method extracts caging loops through a topological analysis of the distance field defined for the target surface in the embedding space, based on a rigorous theoretical study on the relation between caging loops and the field topology. Due to the decoupling, our method can tolerate incomplete and noisy surface geometry of an unknown target object captured on-the-fly. We implemented our method with a robotic gripper and demonstrate through extensive experiments that our method can synthesize reliable grasps for objects with complex surface geometry and topology and in various scales.

研究动机与目标

• 解决传统捕获抓取方法对表面几何过于敏感，且夹爪与物体尺寸不匹配的问题。
• 实现在现场快速获取、观测极少情况下的未知或部分重建3D物体的捕获抓取合成。
• 在保留对象结构拓扑意识的同时，将捕获环路计算与几何细节解耦。
• 开发一种能够生成可包围多个拓扑孔洞或凹陷区域的捕获环路的方法，尤其在单把手抓取因尺寸限制不可行时。
• 确保在真实机器人抓取场景中对几何噪声和数据不完整具有鲁棒性。

提出的方法

• 该方法在目标物体的形状嵌入空间中计算捕获环路，其中通过距离场抽象化表面几何。
• 基于夹爪尺寸定义抓取空间，在该空间内搜索捕获环路以确保物理可行性。
• 从嵌入空间中物体的r-offset表面构建距离场，并应用Morse理论分析其临界点（极小值、极大值、鞍点），以检测捕获环路候选。
• 通过检测和分析距离场中的鞍点提取捕获环路，确保拓扑一致性与物体的空间封闭性。
• 利用定理3.3过滤掉无信息的采样点，降低计算负载，同时保留有效的环路候选。
• 该方法在配备双RGB-D相机和7-DoF Barrett WAM机械臂的机器人平台上实现，仅使用深度图像完成实时重建与抓取规划。

实验结果

研究问题

• RQ1 是否可以以一种与表面几何无关的方式计算捕获环路，同时仍保持对物体拓扑结构及与夹爪相对尺寸的感知？
• RQ2 如何将Morse理论应用于形状嵌入空间中的距离场，以可靠检测捕获环路候选？
• RQ3 该方法在实时机器人抓取中对几何噪声和表面重建不完整性的容忍程度如何？
• RQ4 当单把手抓取因尺寸限制不可行时，该方法能否合成包围多个拓扑特征（如把手或凹陷区域）的捕获抓取？
• RQ5 在真实世界条件下，该方法与传统基于几何的捕获抓取方法相比，抓取成功率表现如何？

主要发现

• 该方法成功生成可包围多个拓扑把手或凹陷区域的捕获环路，即使单个把手小到无法被夹爪容纳。
• 在真实家庭物体上，系统实现了90–100%的抓取成功率，优于传统方法通常达到的约85%。
• 算法对几何噪声和变化具有鲁棒性，如在Venus和Pillar模型上，即使加入高达7%相对于模型尺寸的高斯噪声，仍能保持一致的捕获环路生成。
• 对于2K个顶点的网格，平均计算时间约为1.5秒，支持与机器人运动规划的实时集成。
• 即使在双RGB-D相机提供的稀疏、低质量深度数据下，该方法仍保持可行性与稳定性，证明其在实时物体重建中的有效性。
• 基于Morse理论的理论分析确保所检测到的捕获环路在拓扑上有效，并且在夹爪尺寸下具有物理可行性。