把持条件付き配置のための実行を考慮した事前ランキング

本論文は、把持条件付きロボット配置（grasp-conditioned robotic placement）を実行前ランキング問題として定式化する研究である。 - 幾何学的に妥当な配置でも、選択した把持がエンドエフェクタ姿勢・衝突形状・搬送動作を変えるため実行が難しい場合がある。 - 与えられた把持-配置候補を計画前にスコアリングするモデルを提案。 - 型付き目標条件付き点群（typed target-conditioned point cloud）と3つの姿勢記述子（pose descriptors）を組み合わせる。 - 計画成功と、計画条件付き実行成功の階層的ヘッド（hierarchical heads）を持つ。

先行研究との比較の詳細は要旨からは不明だが、以下の性能向上が示されている。 - 30物体・1,235シーン・シーングループ保持分割データセットで、カバーされたテストグループの3シードtop-1成功率がjoint selectionで85.63±1.08%、fixed-target rankingで79.84±0.16%。 - 凍結seed-42チェックポイントで、full-pool cuMotionに対しtop-1成功率がjoint rankingで72.84%→85.78%、fixed-target rankingで59.65%→79.67%に改善。 - xArm7/MoveItへの凍結転移がxArm固有の再学習なしで可能。

技術の肝は以下の通り。 - 配置を実行前ランキング問題として定式化し、供給された把持-配置候補を計画前にスコアリング。 - 型付き目標条件付き点群と3つの姿勢記述子を組み合わせたモデル。 - 計画成功と、計画条件付き実行成功を予測する階層的ヘッド。 - 候補レベルの展開可能性予測（deployment-feasibility prediction）も行う。

以下の検証が行われている。 - 30物体・1,235シーン・シーングループ保持分割データセットで3シード評価。 - 凍結seed-42チェックポイントでfull-pool cuMotionと比較。 - xArm7/MoveItへの凍結転移を検証。 - 27のロックされたケースで、13件がエンドツーエンド完了（48.15%）。Top-5 preflightを通過し実行開始した16件中13件成功（81.25%）。 - 候補レベルの展開可能性予測はrecall 81.25%、specificity 85.20%、balanced accuracy 83.23%。

要旨からは不明。 - 27ロックケース中13件のみエンドツーエンド完了という結果や、Top-5 preflight通過後の成功率81.25%などから、実行段階の課題が示唆されるが、議論の詳細は要旨に記載がない。

要旨で参照/比較されている研究として、full-pool cuMotionが挙げられる。 - また、xArm7/MoveItへの転移が言及されている。 - その他の関連手法は要旨からは不明。