[DL輪読会]SafePicking: Learning Safe Object Extraction via Object-Level Mapping (ICRA2022)

>100 Views

February 18, 22

スライド概要

2022/02/18
Deep Learning JP:
http://deeplearning.jp/seminar-2/

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

(ダウンロード不可)

関連スライド

各ページのテキスト
1.

DEEP LEARNING JP [DL Papers] SafePicking: Learning Safe Object Extraction via Object-Level Mapping (ICRA2022) Koki Yamane, University of Tsukuba http://deeplearning.jp/

2.

書誌情報 ⚫ 題名: SafePicking: Learning Safe Object Extraction via Object-Level Mapping ⚫ 発表:ICRA 2022 ⚫ 著者: Kentaro Wada, Stephen James, Andrew J. Davison

3.

概要 山をなるべく崩さないようにばら積みピッキング

4.

背景 重なっている下側のオブジェクトを扱うのは難しい ⚫ Object Pose入力 ⚫ 正確に推定できれば高効率 ⚫ オクルージョンなどによる誤差に弱い ⚫ Row Data入力 ⚫ 暗黙的な学習でロバスト ⚫ 学習コスト大 2023/10/10 4

5.

提案手法 Row, Pose両方入力してDeep-Q-Learning ⚫ 入力:Action, Row Data, Object Pose ⚫ 行動:End-Effectorの6DoF移動 ⚫ 並進は0.05m刻み,回転は22.5度刻みで離散化(3^6=729通り) ⚫ 報酬:非対象物の並進移動距離の和 ⚫ リアルでは正確に測定できないためシミュレーションでのみ学習 2023/10/10 5

6.

システム全体像 物体マッピング+学習ベースの動作計画 MoreFusion [Wada+, 2020] 2023/10/10 6

7.

実験設定(Simulation) ⚫ シミュレータ:Mujoco ⚫ オブジェクト:YCB models ⚫ 評価指標 ⚫ translation…落下と滑りの両方を評価 ⚫ velocity…主に落下を評価 2023/10/10 7

8.

実験結果 translation, velocity共に最も低い値 ⚫ Naive…初期位置まで関節線形補間 ⚫ Heuristic…真上に直進 ⚫ RRT-Connect…衝突回避経路 2023/10/10 8

9.

実験結果(Ablation) Pose, Row両方入力が最良 2023/10/10 9

10.

実験設定(Real World) ⚫ Simで学習したモデルを使用 ⚫ Sim環境を再現 ⚫ 評価指標 ⚫ 動作前と動作後のHeightmapの差分 2023/10/10 10

11.

実験結果 Real WorldでもPose+Row入力の有効性を確認 2023/10/10 11

12.

まとめ ⚫ Pose, Rowを併用した強化学習でロバスト性向上 ⚫ 山をなるべく崩さないばら積みピッキングの学習に成功 ⚫ 非剛体や高摩擦の物体などに対しての学習に応用が見込める 感想 ⚫ 視覚情報のみから複雑なダイナミクスを学習できている ⚫ 物体ラベルから特性を推定できている? ⚫ 未知物体にどれだけ汎化できるのか 2023/10/10 12