基于CAD模型与GPIS及贝叶斯优化的小批量柔性生产抓取规划
机器人学
2021-05-26 v1
摘要
由于高度非线性的质量度量、手部姿态配置的高维性以及复杂的物体形状，多指手的抓取规划仍是一项具有挑战性的任务。基于分析的抓取规划算法利用高级凸优化求解器将抓取问题表述为约束优化问题。然而，这些方法无法保证找到全局最优解。基于数据驱动的算法利用机器学习算法框架，使用海量训练数据集学习抓取策略。本文提出一种新方法，通过构建贝叶斯全局优化问题来生成抓取。此外，我们利用高斯过程隐式曲面（GPIS）对物体形状进行参数化，以将物体形状信息整合到优化过程中。同时，采用定义在物体表面的图表对手掌位姿进行局部细化。我们引入了双优化阶段，分别优化手掌位姿与接触点。我们进一步利用交替方向乘子法（ADMM）扩展贝叶斯优化，以消除接触优化约束。我们在graspit!模拟器中开展实验，从定量与定性角度证明了该方法的有效性。我们的方法在具有不同形状、尺寸和重量的多种常见物体上取得了95%的成功率。
引用
@article{arxiv.2105.11510,
title = {Grasp Planning for Flexible Production with Small Lot Sizes based on CAD models using GPIS and Bayesian Optimization},
author = {Jianjie Lin and Markus Rickert and Alois Knoll},
journal= {arXiv preprint arXiv:2105.11510},
year = {2021}
}