2022. 3. 9. 21:31ㆍ로봇팔 연구
Contact-GraspNet: Efficient 6-DoF Grasp Generation in Cluttered Scenes 논문리뷰를 진행해보고자 한다.
로봇 Grasping Task에서 제한되지 않고 어떤 환경에서도 물체를 잘 잡는것이 중요하다. 그러기 위해서 필요한 요구사항들은 먼저 모든 잠재적 그립을 찾고 camera와 object poses에 불변 하는 6-DOF를(3DOF- 자세 3DOF- 위치) 찾는 것이 중요하다. 그리고 둘째로 로봇이 충격받지 않고 모든 환경에서도 충돌을 피할 수 있도록 Collision-free가 보장되어야한다. 세번째로 운동학적으로 잡을 수 있는 grasp 포인트의 조밀함을 말하는 높은수준의 Dense Covergage가 필요하다.
마지막으로 빠른 속도까지 포함하여 총 4가지가 robot의 grasping task에 있어 중요한 요구 사항이라고 할 수 있다.
그동안 6-dof grasping task에서 아주 다양한 관점으로 연구가 진행되어 왔는데 그 중 Grasp Ranking method인 DexNet2.0과 Reinforcement Learning method인 QT-OPT 방식이 큰 진전을 가져왔었다.
어떻게 dimensinality를 줄일 수 있을까?
Projection to visibel surface - fixed translation
=> 가시적인 표면에 그립 접근 방향을 투영하여 translation을 수정하고 차원을 줄일 수 있다는 방식이다.
그리하여 이 논문의 목표는 Multi View가 아니여도 rgbd 이미지를 Input으로 하여 부분적으로 관찰만 가능한 Scene에서 robust하고 다양하며 충동하지 않는 6-DOF grasp을 예측하는것이다.
Training pipeline을 나타낸 그림이다.
'로봇팔 연구' 카테고리의 다른 글
| 6D Pose Estimation 및 Grasp Detection 방법론 정리 (0) | 2022.03.06 |
|---|