マニピュレーション2026/3/1arXiv:2603.16609

指先ワークスペースクラウドと接触認識サンプリングに基づく巧みな把握データ拡張

Dexterous grasp data augmentation based on grasp synthesis with fingertip workspace cloud and contact-aware sampling

遠隔操作で収集した少数の把握デモを基に、指先のワークスペースクラウドと接触認識サンプリングを用いた把握生成器でデータを拡張し、任意構造のロボットハンドに対して高速かつ高品質な把握生成を実現する手法を提案した。

詳しい要約

1. どんなもの？

- ロボットの器用な把持のためのデータ拡張フレームワークを提案。 - テレオペレーションで少数の把持姿勢デモを収集し、FSG（Fingertip-contact-aware Sampling-based Grasp generator）で拡張。 - AutoWSにより指先の構造化ワークスペースクラウドを自動生成し、逆運動学計算を不要にする。 - YCBオブジェクトの把持実験で、速度と有効姿勢生成率が既存手法を大幅に上回る。 - 任意構造のハンドに対応し、リアルタイム把持生成と人間らしい把持を実現。

2. 先行研究と比べてどこがすごい？

- 既存のデータ駆動型把持では、訓練用データセットの効率的な生成がボトルネック。 - 多様なロボットハンド構造のため、汎用的な把持生成法の設計が複雑。 - 提案手法は、テレオペレーションによる少数デモとFSGによる拡張で、これらの問題を解決。 - 速度と有効姿勢生成率で既存手法を大幅に改善。 - 逆運動学計算を不要にし、任意構造のハンドに適用可能。

3. 技術・手法の肝は？

- テレオペレーションで少数の把持姿勢デモを収集。 - FSG：指先接触を考慮したサンプリングベースの把持生成器。 - AutoWS：指先の構造化ワークスペースクラウドを自動生成し、ハンド構造情報をクラウドに埋め込む。 - これにより逆運動学計算が不要。 - デモと組み合わせることで人間らしい把持を生成。

4. どうやって有効だと検証した？

- YCBオブジェクトの把持実験を実施。 - 提案手法が既存手法と比較して、速度と有効姿勢生成率で大幅に優れることを示した。 - リアルタイム把持生成が可能であることを確認。 - 任意構造のハンドに適用可能であることを実証。 - デモと組み合わせて人間らしい把持が生成されることを確認。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- FSG（Fingertip-contact-aware Sampling-based Grasp generator） - AutoWS - YCBオブジェクトを用いた把持研究 - データ駆動型把持のためのデータ拡張手法

※ 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: Liqi Wu, Haoyu Jia, Kento Kawaharazuka, Hirokazu Ishida, Kei Okada

分類: cs.RO

原文アブストラクト

Robotic grasping is a fundamental yet crucial component of robotic applications, as effective grasping often serves as the starting point for various tasks. With the rapid advancement of neural networks, data-driven approaches for robotic grasping have become mainstream. However, efficiently generating grasp datasets for training remains a bottleneck. This is compounded by the diverse structures of robotic hands, making the design of generalizable grasp generation methods even more complex. In this work, we propose a teleoperation-based framework to collect a small set of grasp pose demonstrations, which are augmented using FSG--a Fingertip-contact-aware Sampling-based Grasp generator. Based on the demonstrated grasp poses, we propose AutoWS, which automatically generates structured workspace clouds of robotic fingertips, embedding the hand structure information directly into the clouds to eliminate the need for inverse kinematics calculations. Experiments on grasping the YCB objects show that our method significantly outperforms existing approaches in both speed and valid pose generation rate. Our framework enables real-time grasp generation for hands with arbitrary structures and produces human-like grasps when combined with demonstrations, providing an efficient and robust data augmentation tool for data-driven grasp training.

arXivで原文を読む →arXiv概要ページ

指先ワークスペースクラウドと接触認識サンプリングに基づく巧みな把握データ拡張

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？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell