kunimasa-kawasaki
commented
2 years ago ディープラーニングは、複雑なロボット動作の自動取得のための強力なフレームワークを提供する。しかし、ある程度の汎化性はあるものの、ワーク・オブジェクトの位置に応じて膨大な学習データを必要とすることが、産業応用の障害となっている。そのため、少ない学習データで多様なワーク対象位置に対応できるロボット動作生成モデルが必要とされている。本論文では、ロボットタスクのために画像中の空間的注目点を自動的に抽出し、その位置に基づいて動作を生成することで、物体の位置変化に頑健な手法を提案する。我々は、LBR iiwa 7R1400ロボットアームを用いて、様々な状況下で様々な位置でのピッキングタスクとピックアンドプレースタスクで本手法を実証した。それぞれのタスクにおいて、タスクにとって重要な作業対象物について空間的注目点を求める。本手法は、オブジェクトの位置の変化に対してロバストである。さらに、タスクにとって重要な位置にのみ注目するため、タスクにとって重要でない背景、照明、障害物の変化に対してもロバストである。
Spatial Attention Point Network for Deep-learning-based Robust Autonomous Robot Motion Generation Hideyuki Ichiwara, Hiroshi Ito, Kenjiro Yamamoto, Hiroki Mori, Tetsuya Ogata https://arxiv.org/abs/2103.01598