面向工业料箱拣选的灵巧拾取或分离易缠绕物体学习
机器人学
2023-07-10 v2
摘要
针对易缠绕物体的工业料箱拣选要求机器人在料箱中无孤立物体时，要么拾取未缠绕物体，要么执行分离操作。机器人必须能依据当前观测灵活采取恰当动作。由于杂乱环境中的高遮挡、难以捉摸的缠绕现象以及熟练操作规划的需求，该任务极具挑战。本文中，我们提出一种自主、高效且通用的易缠绕物体工业料箱拾取方法。首先，我们学习 PickNet——一个将视觉观测映射为拾取孤立物体或分离缠绕物体的逐像素概率并推断对应抓取的网络。随后，我们提出两种有效分离策略：将缠绕物体丢入缓冲料箱以降低缠绕程度；由 PullNet（从视觉输入预测拉动位置与方向的网络）规划在缓冲料箱中拉动以分离缠绕物体。为高效收集训练 PickNet 与 PullNet 的数据，我们采用物理模拟器中带算法监督的自监督学习范式。真实世界实验表明，我们的策略能以 90% 成功率灵巧拾取易缠绕物体。我们进一步通过拾取一组未见过物体展示了策略的泛化能力。补充材料、代码与视频见 https://xinyiz0931.github.io/tangle。
引用
@article{arxiv.2302.08152,
title = {Learning to Dexterously Pick or Separate Tangled-Prone Objects for Industrial Bin Picking},
author = {Xinyi Zhang and Yukiyasu Domae and Weiwei Wan and Kensuke Harada},
journal= {arXiv preprint arXiv:2302.08152},
year = {2023}
}
备注
8 pages, IEEE RA-L, 2023