マニピュレーション2026/9/18arXiv:2609.22062

グリッパを考慮した不規則物体の自動高密度パッキング

Gripper-Aware Automatic Dense Packing of Irregular Objects

グリッパと物体を複合剛体として扱い、GPU上のCMA-ESで配置を最適化し、力覚誘導の実行と押し込みで実機に不規則物体を高密度に詰める閉ループシステムを提案。

詳しい要約

1. どんなもの？

- 実マニピュレータ上で不規則物体の自動高密度パッキングを実現する閉ループパイプライン。 - 知覚、グリッパを考慮した配置最適化、力誘導実行を統合。 - 対象は平ら、湾曲、凹形状の3Dプリント物体とYCB物体サブセット。

2. 先行研究と比べてどこがすごい？

- 従来の不規則物体パッキングはシミュレーションで理想化接触を仮定し、物体を孤立剛体として扱うことが多かった。 - グリッパは事後的な離散可行性チェックとして扱われるか、考慮されないことが多かった。 - 実行中の知覚・接触ドリフトに対処していなかった。 - 本研究はグリッパを考慮した最適化と力誘導実行、再知覚によるドリフト抑制を統合。

3. 技術・手法の肝は？

- 物体とグリッパを階層的球木構造の単一複合体として表現。 - GPU上でCMA-ESフレームワークにより5自由度を探索し、垂直座標は現在の高さマップに基づき解析的に決定。 - 実行時は力監視付き垂直降下で最初の接触で停止。 - 解放後の統合プッシュでグリッパ考慮計画が残す横方向の隙間を閉じる。 - 配置間にコンテナを再知覚しドリフト蓄積を防止。

4. どうやって有効だと検証した？

- Franka Emika Pandaロボットで3Dプリント物体セットとYCB物体サブセットをパッキング。 - アブレーション研究でグリッパ考慮最適化、統合プッシュ、メッシュ由来形状の寄与をエンドツーエンド成功率、達成密度、計算コストで評価。 - 従来の不規則物体パッキング研究の代表として高さマップ最小化法をベースラインに比較。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 高さマップ最小化法（heightmap-minimization method）の論文。 - CMA-ESを用いたロボットマニピュレーションの研究。 - YCB物体データセットを用いたパッキング研究。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Tianhao Qin, Connor McCann, Berk Calli, Jing Xiao

分類: cs.RO

原文アブストラクト

Automatic dense packing is widely desired in warehouse operations but remains a fundamental challenge in robotic manipulation. Existing work on irregular-object packing largely targets simulation with idealized contact, treating the object as an isolated rigid body. The gripper often enters as a discrete, post-hoc feasibility check, if considered at all, and the perception and contact drift accumulated during execution are not addressed. We present a closed-loop pipeline that integrates perception, gripper-aware placement optimization, and force-guided execution on a real manipulator. The optimizer represents the object together with the gripper as a single composite body of hierarchical sphere trees. It searches over five degrees of freedom on a GPU within a CMA-ES framework, with the vertical coordinate grounded analytically against the current heightmap. During execution, a force-monitored vertical descent stops on first contact. A post-release consolidation push then closes the residual lateral clearance that gripper-aware planning leaves behind. The container is re-perceived between placements so that drift does not accumulate. We validate the system on a Franka Emika Panda robot packing a 3D-printed set of flat, curved, and concave objects, and a YCB object subset. An ablation study isolates the contribution of gripper-aware optimization, the consolidation push, and mesh-derived geometry to end-to-end success, achieved density, and computational cost. We further benchmark against the heightmap-minimization method as a baseline representative of prior irregular-object packing work.

arXivで原文を読む →arXiv概要ページ

グリッパを考慮した不規則物体の自動高密度パッキング

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文