部分之和:面向被操作物体惯性参数辨识的视觉部件分割
机器人学
2023-07-07 v2 计算机视觉与模式识别
摘要
为了与人类工作者安全高效地协同作业,协作机器人(cobots)需要能够快速理解被操作物体的动力学特性。然而,传统的完整惯性参数估计方法依赖于必然快速且不安全的运动(以获得足够的信噪比)。本工作中,我们采取另一种思路:通过结合视觉与力-力矩测量,我们开发了一种仅需缓慢或“走走停停”运动的惯性参数辨识算法,因此非常适合于人类周边使用。我们的技术称为齐次部件分割(HPS),它利用了人造物体通常由 distinct、均匀的部件组成这一观察。我们将基于表面的点聚类方法与体积形状分割算法相结合,快速生成被操作物体的部件级分割;该分割表示随后被HPS用于准确估计物体的惯性参数。为对算法进行基准测试,我们创建并利用了一个新颖的数据集,包含20种常见车间工具的真实网格、分割点云以及惯性参数。最后,我们通过低成本协作机械臂自主且在线地执行精细的“锤子平衡动作”,展示了HPS的实世界性能与精度。我们的代码与数据集均为开源且免费可用。
引用
@article{arxiv.2302.06685,
title = {The Sum of Its Parts: Visual Part Segmentation for Inertial Parameter Identification of Manipulated Objects},
author = {Philippe Nadeau and Matthew Giamou and Jonathan Kelly},
journal= {arXiv preprint arXiv:2302.06685},
year = {2023}
}
备注
In Proceedings of the IEEE International Conference on Robotics and Automation (ICRA'23), London, UK, May 29 - Jun. 2, 2023