操作対象物の時系列動作ロギングに基づくロボットアームの身体性に依存しない動作教示

基于操作对象的时间序列运动记录，不依赖于机械臂物理性的运动示教

• 批准号: 21K17834
• 负责人: 秋月 秀一
• 金额: $ 2.91万
• 依托单位: Chukyo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K17834/
• 关键词: 姿勢推定; 6DoF姿勢推定; 3次元点群処理; カテゴリレベル姿勢推定; 位置姿勢推定; 3次元点群; 動作教示; ロボティクス; 3D物体認識; 3D点群処理

本研究の目的は，ロボットの身体性に依存しない動作教示法を確立することである．一般的な動作の教示方法は，各関節の動きを直接指定する方法である．教示される動作パラメータは，関節数や腕の長さ，エンドエフェクタの仕様（これらをまとめて身体性と呼ぶ）に依存するため，他のロボットにはそのまま利用することはできない．一方で，操作される対象物に着目すると，把持される部位や持ち上げられた後の軌跡は共通性が高いと考えられる．したがって，従来の教示方法のように，“ロボットがどのように動くべきか”を教示するのではなく，“対象物がどのように動かされるべきか”を教示することによって，複数ロボット間の身体性の違いに依存しない動作生成が可能になることを示す．2022年度は，2021年度に引続き，人によって操作される物体の3次元的な位置姿勢を推定する方法の研究を推進した．形状の対象性が強い物体の姿勢推定に有効な誤差関数（Variance loss）を提案した．具体的には，位置合わせする3D形状同士のずれ（3D形状を構成する各3D点の最近傍点までの距離）の分散値を計算し，この値を姿勢を回帰する深層学習モデルの学習時の損失として考慮することにより，従来手法と比較して，特に対象形の強い物体に対しての姿勢推定性能が向上することを確認した．この成果を国内シンポジウム2件で発表した．2021年度とは姿勢推定という点で同様の研究ではあるが，本研究課題が対象としている日用品に多い対象形を持つ形状に有効な姿勢推定技術を提案できたので，課題の達成に確実に近づいたことを確信している．

这项研究的目的是建立一种教学运动的方法，该方法不取决于机器人的物理性质。一种一般的教学运动方法是直接指定每个关节的运动。所教的操作参数取决于关节的数量，臂长和终端效应子规范（统称为物理性），因此其他机器人不能直接使用它们。另一方面，当专注于被操纵的物体时，人们认为被抓住的部分和举起后的位点非常普遍。因此，与其教授“机器人应该如何移动”（如常规教学方法），不如产生不取决于多个机器人之间身体差异的动作。在2022年，在2021年，我们促进了对估计人类操纵物体的三维位置和方向的方法的研究。我们提出了一个错误函数（方差损失），该函数可有效估计具有强对象形状的对象的姿势。具体而言，我们计算了对齐3D形状之间偏差的方差值（到构成3D形状的每个3D点的最近相邻点的距离），并将此值视为在深度学习模型中训练期间的损失，以使姿势回归姿势，并确认具有强大目标形状的对象的姿势估计性表现，尤其是相比，尤其是相比。这些结果在两个家庭研讨会上呈现。尽管同样的研究基于姿势估计的2021方面，但我们能够针对具有目标形状的形状有效的姿势估计技术，这些形状在本研究主题的日常项目中常见，因此我们有信心我们已经能够完成任务。

项目成果

点間距離のばらつきの最小化に基づく物体の3次元姿勢推定手法の提案

提出一种基于最小化点间距离离散度的物体 3D 姿态估计方法

• 发表时间: 2022
• 作者: 保田展邦，秋月秀一，橋本学

ASM-Net: Category-level Pose and Shape Estimation Using Parametric Deformation

• 发表时间: 2021
• 作者: Shuichi Akizuki;M. Hashimoto

カテゴリレベル姿勢推定のための対象物の非剛体変形パラメータ推定手法

类别级位姿估计的物体非刚性形变参数估计方法

• 发表时间: 2021
• 作者: 保田展邦，秋月秀一，橋本学;保田展邦，秋月秀一，橋本学;Shuichi Akizuki and Manabu Hashimoto;秋月秀一，橋本学
• 通讯作者: 秋月秀一，橋本学

ASM-Net紹介ページ

ASM-Net介绍页面