部分観測下での把持合成のためのハイブリッド最適化フレームワーク
A Hybrid Optimization Framework for Grasp Synthesis under Partial Observations
学習ベースのエネルギーモデルと解析的ICP法を組み合わせ、部分点群からロバストな把持姿勢を生成するハイブリッドフレームワークを提案。67物体・5,360回の試行で平均成功率60.9%を達成し、既存手法を上回った。
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: Wenzheng Zhang, Fahira Afzal Maken, Tin Lai, Fabio Ramos
分類: cs.RO
原文アブストラクト
We propose a hybrid grasp synthesis framework that combines a learning-based Energy-Based Model (EBM) with an analytical Iterative Closest Point (ICP) method to generate robust grasps from partially observed point clouds. The learned energy function acts as a prior within a Stein Variational Gradient Descent (SVGD) framework, guiding iterative refinement of grasp configurations. Evaluated on 67 objects with 5,360 grasp attempts, our method achieves an average success rate of 60.9\%, outperforming AnyGrasp (31.1\%) and Grasp Pose Detection (48.4\%) and AS-ICP (56.6\%). These results highlight the strong generalization ability of our approach and demonstrate how combining data-driven learning with geometric optimization addresses the limitations of either strategy in isolation.
