GraspTune: 触覚駆動による把持実行の微調整で堅牢な把持を実現

本論文はGraspTuneという触覚駆動の実行段階リファインメントフレームワークを提案する。視覚的なgrasp proposalを安定した物理的graspへ変換することを目的とし、approach、contact formation、final grasp executionの各段階でbounded residual TCP motionsを適用する。局所depth、tactile signals、state、historyから制御向けcontact semanticsを学習し、contact change、contact risk、post-close readinessをmulti-task supervisionで予測する。diffusion-pretrained residual policyを条件付けし、PPOでclosed-loop executionに整合させる。

視覚的grasp proposal生成は急速に進歩したが、選択されたproposalを安定した物理的graspへ変換する実行段階は中心的課題として残っていた。GraspTuneは実行層のリファインメントとして、GraspNet、Contact-GraspNet、AnyGrasp、VGNという4つのproposal generatorに対して安定grasp成功率をそれぞれ+19.22、+9.55、+12.45、+20.70ポイント向上させた。また、4-fold held-out category studyで未見物体の実行を54.58%から70.33%へ改善し、カテゴリ不連続な汎化を示した。

GraspTuneはnominal proposalから開始し、approach、contact formation、final grasp execution中にbounded residual TCP motionsを適用する。state-conditioned expert contact queriesとmulti-task supervisionを用いて、局所depth、tactile signals、state、historyから制御向けcontact semanticsを学習する。この表現がdiffusion-pretrained residual policyを条件付け、PPOと整合させてclosed-loop executionを実現する。

20物体カテゴリにわたる60,000回以上のシミュレーション実行で、4つのproposal generatorに対する実行層の利点を検証した。4-fold held-out category studyで未見物体の実行成功率を54.58%から70.33%へ向上させた。Xense fingertip sensorsを備えたUR5eセットアップでの1,000回以上の実ロボット試行で、GraspNet実行を71.0%から84.3%へ改善し、実世界ポリシーのfine-tuningなしでの直接転移を検証した。

要旨からは不明。

GraspNet、Contact-GraspNet、AnyGrasp、VGN。これらは本論文で比較・基盤として用いられたproposal generatorである。