로봇식 빈 피킹을 위한 비사소한 물체의 메모리 효율적인 심층 학습 기반 그립 포인트 탐지

초록 로봇 팔로 빈에서 비사소한 물체를 집어 올리는 것은 현대 산업 과정의 일반적인 작업입니다. 여기서는 빈 피킹 작업을 위한 주의 압축 병렬 U자형 신경망(ASP U-Net)을 기반으로 하는 효율적인 데이터 기반 그립 포인트 탐지 방법이 제안됩니다. 이 방법은 측벽이 있는 빈에 무작위 또는 규칙적으로 배치된 물체의 가능한 그립 포인트에 대한 모든 필요한 정보를 직접 제공합니다. 또한, 이 방법은 진공 컵 및 평행 그리퍼라는 두 가지 유형의 엔드 이펙터에 대해 가능한 그립 포인트 중 최적의 그립 포인트를 평가하고 선택할 수 있습니다. 사용된 ASP U-Net 신경망의 핵심 요소는 비사소한 물체를 포함하는 빈의 단일 RGB-Depth 이미지를 그립 포인트의 위치와 자세가 기하학적 기하 형태로 코딩된 기호적 회색조 프레임으로 변환하는 것입니다. 본 연구에서 수행된 실험은 무작위로 흩어지거나 정렬된, 및 반정렬된 물체가 완벽하거나 변형된 빈에 배치된 포괄적인 장면 세트를 포함합니다. 결과는 수용 가능한 계산 요구 사항 이상의 뛰어난 정확도를 나타냅니다. 또한, 이 방법의 확장 가능성은 저용량 RAM을 갖춘 배터리 전원 엣지 컴퓨팅 장치와 같은 매우 경량 구현을 제공할 수 있습니다.