日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
マニピュレーションarXiv:2609.31452

ロボットによる布の展開のための視覚ベース6自由度把持姿勢推定

Vision-Based 6-DoF Grasp Pose Estimation for Robot Cloth Unfolding

シェア:XThreadsFacebookLINEはてブBluesky

布の展開作業において、最適な把持点と6自由度把持姿勢を同時に予測する深層学習フレームワークCeDiRNet-6DoFを提案し、双腕ロボットで最先端性能を達成した。

詳しい要約

1. どんなもの？

- 布の展開（cloth unfolding）を対象とした研究。 - 片方のマニピュレータが布を保持し、もう片方が最適な把持点を選んで空中で再把持（regrasping-in-the-air）する戦略を採用。 - 観測された布の状態から、有効な把持点と完全な6-DoF把持姿勢を同時に予測する深層学習フレームワーク CeDiRNet-6DoF を提案。 - 布の変形性・高次元性、しわ・端・把持点などの視覚的手がかりの頻繁な遮蔽が課題。

2. 先行研究と比べてどこがすごい？

- 従来の布操作研究と比較し、6-DoF把持姿勢推定と把持点予測を統合した点が新しい。 - 密な3D把持回帰、セグメンテーション、sine-cosineエンコードされたEuler角を組み合わせることで、展開面積を最大化する把持構成を信頼性高く推定。 - ICRA 2024 Cloth Competition フレームワーク内の双腕ロボット設定で state-of-the-art 性能を達成。 - アブレーション研究により、joint segmentation、background randomization、image cropping の有効性を検証。

3. 技術・手法の肝は？

- CeDiRNet-6DoF は深層学習フレームワーク。 - 密な3D把持回帰（dense 3D grasp regression）を実行。 - セグメンテーションを統合（joint segmentation）。 - sine-cosineエンコードされたEuler角を用いて6-DoF把持姿勢を表現。 - これらを組み合わせ、展開面積を最大化する把持点と姿勢を予測。

4. どうやって有効だと検証した？

- ICRA 2024 Cloth Competition フレームワーク内の双腕ロボットセットアップで広範に評価。 - state-of-the-art 性能を達成。 - アブレーション研究を実施し、joint segmentation、background randomization、image cropping の利点を検証。

5. 議論はある？

- 要旨からは不明。 - ただし、提案手法が非構造環境における信頼性の高いロボット布操作のための堅牢で汎用的な基盤を確立すると主張。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、ICRA 2024 Cloth Competition フレームワーク、および布操作・6-DoF把持推定の一般的な研究が挙げられる。 - 具体的な論文名は要旨からは不明。

※ 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: Domen Tabernik, Peter Nimac, Jan Jerićević, Danijel Skočaj, Andrej Gams

分類: cs.RO, cs.CV

原文アブストラクト

Cloth manipulation is a challenging task due to the deformable and high-dimensional nature of cloth, which leads to complex interaction dynamics and perceptual ambiguity arising from frequent occlusions of critical visual cues such as folds, edges, and grasp points. In this work, we tackle cloth unfolding using a regrasping-in-the-air strategy, where one manipulator holds the cloth while the other grasps it at an optimally selected point to unfold it. To this end, we propose CeDiRNet-6DoF, a deep learning framework that jointly predicts effective grasp points and the complete 6-DoF grasp pose from the observed cloth configuration. By integrating dense 3D grasp regression with segmentation and sine-cosine-encoded Euler angles, the proposed method reliably estimates the grasp configuration that maximizes the unfolded cloth area. We extensively evaluated CeDiRNet-6DoF on a bimanual robotic setup within the ICRA 2024 Cloth Competition framework, achieving state-of-the-art performance. An ablation study further validates the benefits of key design components, including joint segmentation, background randomization, and image cropping. These results establish CeDiRNet-6DoF as a robust and versatile foundation for reliable robotic cloth manipulation in unstructured environments.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI