基于物体点云表示的任务导向抓取
机器人学
2023-09-22 v1
摘要
本文研究在使用眼在手（eye-in-hand）相机配置的情况下，从部分点云数据进行任务导向抓取合成的问题。在任务导向抓取合成中，必须选择一种抓取方式，使得物体在操作中不脱落，并确保能够施加足够的力/力矩来执行任务。我们将宏观操作任务形式化为抓取后施加于物体的恒定螺旋运动（或恒定螺旋运动序列）。利用该任务概念以及我们前期工作中开发的相应抓取质量度量，我们使用神经网络来近似预测长方体形状上抓取质量度量的函数。我们表明，通过使用从物体部分点云获得的包围盒以及上述抓取质量度量，我们可以在包围盒上生成良好的抓取区域，该区域可用于在实际物体上计算对映抓取（antipodal grasp）。我们的算法不使用任何人工标注数据或抓取模拟器，因此非常易于实现并与基于螺旋线性插值（screw linear interpolation）的运动规划器集成。我们给出了仿真和实验结果，表明了方法的有效性。
引用
@article{arxiv.2309.11689,
title = {Task-Oriented Grasping with Point Cloud Representation of Objects},
author = {Aditya Patankar and Khiem Phi and Dasharadhan Mahalingam and Nilanjan Chakraborty and IV Ramakrishnan},
journal= {arXiv preprint arXiv:2309.11689},
year = {2023}
}