モジュール設計と三点インターフェースによる操舵可能で反応的な把持
Steerable and Reactive Grasping Through Modular Design with a Three-Point Interface
物体形状から把持候補点を選び、モデルベース制御で接近、最後は強化学習方策が指関節情報のみで把持を安定化するモジュール型把持フレームワークを提案。
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？
※ 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: Andrew Nguyen, Yonghyeon Lee, Sangbae Kim
分類: cs.RO
原文アブストラクト
Dexterous grasping requires deciding where to grasp, reaching the target, and maintaining stable contact. We connect these stages through a compact three-point interface that separates global geometric reasoning from local contact control. Given object geometry and optional language commands, our framework samples contact triples from a precomputed grasp-affordance heatmap. A model-based reactive controller tracks the object, avoids collisions, and guides the hand toward the selected contacts. In the final centimeters, a Reinforcement Learning (RL) policy uses proprioceptive feedback to refine and stabilize the grasp despite reaching and perception errors. It observes only finger joint states and its recent actions, with no target points, visual observations, or object geometry, so a single policy is shared across objects and grasp configurations. In simulation, we compare grasp-and-lift success against squeeze and end-to-end baselines, characterize reaching convergence, and demonstrate grasp steering; hardware demonstrations on two training objects and one unseen object illustrate the full pipeline. Our modular framework uses geometry to guide the reach and local feedback to secure the grasp.
関連論文
- DexTacWAM: 巧みな操作のための視触覚ワールドアクションモデルマニピュレーション
- 平面果樹園における視覚運動ロボット剪定のためのハイブリッド強化学習マニピュレーション
- CAST: 衝突を考慮した建設ロボットによる同時軌道推定と計画マニピュレーション
- ロボット構成空間における異種制約のための実行可能性距離場マニピュレーション
- InsertAnything: シミュレーションから現実への汎化可能な接触リッチ精密挿入マニピュレーション
- フレーズ単位のロボット古琴演奏：両腕動作計画と音触覚インタラクション監視マニピュレーション