Multi-Object Grasping in the Plane
Multi-Object Grasping in the Plane
复制标题
平面内多物体抓取
DOI：
10.48550/arxiv.2206.00229
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
M. Dogar
中科院分区：
文献类型：
--
作者：
Wisdom C. Agboh;Jeffrey Ichnowski;Ken Goldberg;M. Dogar
我们考虑了一个新的问题，多个刚性凸多边形对象休息在随机放置的位置和方向上的平面上可见从开销相机。目标是使用多物体推抓来有效地抓取所有物体并将其运输到箱子中，其中多个物体被推到一起以促进多物体抓取。我们提供了必要的条件，无摩擦的多对象推抓，并将这些过滤器不允许的把握在一个新的多对象把握规划。我们发现，我们的规划器比Mujoco模拟器基线快19倍。我们还提出了一个采摘算法，使用单和多对象的把握来挑选对象。在物理抓取实验中，我们发现无摩擦多物体抓取系统的抓取成功率提高了13.6%，抓取速度提高了59.9%，从212 PPH提高到340 PPH。查看\url{https：//sites.google.com/view/multi-object-grassing}获取视频和代码。
We consider a novel problem where multiple rigid convex polygonal objects rest in randomly placed positions and orientations on a planar surface visible from an overhead camera. The objective is to efficiently grasp and transport all objects into a bin using multi-object push-grasps, where multiple objects are pushed together to facilitate multi-object grasping. We provide necessary conditions for frictionless multi-object push-grasps and apply these to filter inadmissible grasps in a novel multi-object grasp planner. We find that our planner is 19 times faster than a Mujoco simulator baseline. We also propose a picking algorithm that uses both single- and multi-object grasps to pick objects. In physical grasping experiments comparing performance with a single-object picking baseline, we find that the frictionless multi-object grasping system achieves 13.6\% higher grasp success and is 59.9\% faster, from 212 PPH to 340 PPH. See \url{https://sites.google.com/view/multi-object-grasping} for videos and code.
登录
查看更多内容
快推和慢推：不确定性下非综合操纵的任务自适应规划
DOI：
--
发表时间：
2018
期刊：
--
影响因子：
--
作者：
Agboh W
通讯作者：
Agboh W
影响因子：
51.1
作者：
Fassnacht, Martin;Berruti, Alfredo;Hammer, Gary D.
通讯作者：
Hammer, Gary D.
Parareal 具有用于机器人操作的学习粗略模型
影响因子：
--
作者：
Agboh W
通讯作者：
Agboh W
使用并行时间积分将粗略和精细物理相结合进行操作
DOI：
10.48550/arxiv.1903.08470
发表时间：
2019
期刊：
arXiv e-prints
影响因子：
--
作者：
Agboh Wisdom C.
通讯作者：
Agboh Wisdom C.