学习高效策略以抓取纠缠线束：一种工业料箱拣选方法
机器人学
2023-01-10 v4
摘要
线束是制造业中必不可少的连接部件，但在料箱拣选等工业任务中难以实现自动化。它们长而柔软，随机放入料箱时容易纠缠，这使得机器人在密集杂乱中难以抓取单根线束。此外，由于线束中可变形与刚性部件组合难以建模，在仿真中训练或收集数据具有挑战性。在本工作中，我们不直接提起线束，而是提出沿类圆轨迹抓取并提取目标直至其解开纠缠。我们从真实世界数据学习一个策略，该策略可从视觉观测推断抓取与分离动作。我们的策略通过最大化成功率和减少执行时间，使机器人能高效拣选并分离纠缠线束。为评估策略，我们给出一组真实世界线束拣选实验。我们的策略总体成功率达84.6%，而基线为49.2%。我们还使用未见类型的线束在不同杂乱场景下评估策略有效性。结果表明我们的方法在工业料箱拣选处理线束方面可行。
引用
@article{arxiv.2112.05941,
title = {Learning Efficient Policies for Picking Entangled Wire Harnesses: An Approach to Industrial Bin Picking},
author = {Xinyi Zhang and Yukiyasu Domae and Weiwei Wan and Kensuke Harada},
journal= {arXiv preprint arXiv:2112.05941},
year = {2023}
}
备注
8 pages, IEEE RA-L