6-DoF Grasp Pose

Auch genannt: 6-DoF grasp
Kategorie: Planning & manipulation › Manipulation
Schlagwörter: grasping, pose-estimation, point-clouds, manipulation, grasp-detection

Die vollständige 3D-Position und 3D-Orientierung eines Greifers, in der er sich um ein Objekt schließen soll, im Gegensatz zu planaren Griffen oder Griffen von oben mit weniger freien Parametern.

Definition

Eine 6-DoF-Griffpose (6-DoF grasp pose) legt fest, wo sich ein Greifer befinden soll, wenn er sich um ein Objekt schließt: drei Freiheitsgrade für die Position und drei für die Orientierung, zusammen ein Element von SE(3). Meist wird sie als Pose eines Greifer-Bezugssystems angegeben, das oft in der Mitte zwischen den Fingerspitzen liegt, relativ zur Kamera, zur Roboterbasis oder zum Objekt. Bei einem Parallelgreifer wird die Beschreibung oft um die Öffnungsweite erweitert und bei mehrfingrigen Händen um die Fingergelenkwinkel, doch der 6-DoF-Anteil ist es, der den Greifer aus jeder Richtung anfahren lässt.

Der Begriff wird vor allem in Abgrenzung zu niedrigerdimensionalen Griffdarstellungen verwendet. Frühe lernbasierte Greifverfahren sagten planare Griffe voraus, etwa orientierte Rechtecke in einem Bild; diese entsprechen einer Annäherung von oben mit einer Position, einer Tiefe und einer Drehung um die vertikale Achse, also etwa vier Freiheitsgraden. Für Objekte, die flach in einer von oben betrachteten Kiste liegen, reicht das aus, aber so lässt sich weder eine Tasse von der Seite noch eine liegende Flasche in einem Regal oder ein von einer Person gehaltenes Objekt greifen. 6-DoF-Verfahren durchsuchen den gesamten Raum der Annäherungsrichtungen, was sie allgemeiner, aber auch schwieriger macht: Der Raum ist größer, viele Kandidatenposen kollidieren mit dem Objekt oder der Szene, und das Ergebnis muss für den Arm erreichbar sein.

Typische 6-DoF-Pipelines gehen von einer partiellen Punktwolke aus. Samplingbasierte Verfahren wie Grasp Pose Detection schlagen mithilfe geometrischer Heuristiken wie antipodalem Kontakt viele Greiferposen vor und bewerten sie dann mit einem gelernten Klassifikator. Generative Verfahren wie 6-DOF GraspNet sampeln Griffposen aus einer gelernten Verteilung und verfeinern sie mit einem gelernten Bewerter, während Contact-GraspNet Griffe vorhersagt, die an beobachteten Oberflächenpunkten einer vollständigen Szene verankert sind. Jeder Kandidat wird anschließend auf Kollisionen geprüft, mit inverser Kinematik gelöst und ausgeführt: mit einer Vorgreifpose ein kurzes Stück entlang der Annäherungsachse zurückversetzt, einer geradlinigen Annäherung, Schließen und Anheben. Konventionen für Bezugssysteme sind wichtig: Bibliotheken unterscheiden sich darin, welche Greiferachse die Annäherungsrichtung ist und wo der Ursprung des Bezugssystems liegt, und ein um seine Annäherungsachse um 180 Grad gedrehter Parallelgriff ist physikalisch derselbe Griff, was sowohl Trainingsverluste als auch die Auswertung beeinflusst.

Warum es wichtig ist

Die meisten realen Objekte liegen nicht flach in einer Kiste. Regale, Tische, unaufgeräumte Umgebungen und von Menschen gehaltene Objekte erfordern alle eine Annäherung aus anderen Richtungen als senkrecht von oben, und 6-DoF-Griffposen sind die Darstellung, die solche Griffe ermöglicht. Sie sind außerdem die gemeinsame Schnittstelle zwischen Griffdetektoren und Bewegungsplanern.

Wichtige Anwendungen

Greifen von Objekten aus Regalen, von Tischen und aus unaufgeräumten Szenen
Übergaben vom Menschen zum Roboter von Objekten, die eine Person in der Hand hält
Mobile Manipulation in Wohnungen und Lagern
Greifen zuvor ungesehener Objekte aus partiellen Punktwolken
Erzeugen von Griffdatensätzen in der Simulation für das Lernen

In der Praxis

Ein Küchenroboter soll eine aufrecht stehende Tasse greifen, deren Henkel von ihm weg zeigt. Eine Tiefenkamera liefert eine partielle Punktwolke der Tasse, und ein Griffnetz gibt einige hundert bewertete 6-DoF-Griffkandidaten zurück. Die Software transformiert die Kandidaten in das Bezugssystem der Roboterbasis, verwirft diejenigen, die mit dem Tisch oder der Szene kollidieren, und berechnet für die übrigen die inverse Kinematik, wobei sie nur jene behält, die ohne Annäherung an eine Gelenkgrenze erreichbar sind. Für den besten Griff, der sich von der Seite um den Rand schließt, fährt der Planer eine Vorgreifpose 10 Zentimeter entlang der Annäherungsachse des Greifers zurück an, nähert sich geradlinig, schließt den Greifer und hebt an. Ein früher Fehler ließ sich darauf zurückführen, dass die Greifbibliothek und der Greifer des Roboters unterschiedliche Annäherungsachsen verwendeten; er wurde mit einer festen Rotation zwischen den beiden Konventionen behoben.

Häufige Missverständnisse

Eine 6-DoF-Griffpose genügt, um einen Griff auszuführen — sie muss trotzdem Kollisionsprüfungen bestehen, eine Lösung der inversen Kinematik haben und über eine sinnvolle Vorgreif-Annäherung erreicht werden
Griffe von oben reichen für die meisten Aufgaben — sie funktionieren bei Objekten, die flach in offenen Kisten liegen, aber Regale, seitlich gerichtete Griffe und von Menschen gehaltene Objekte brauchen Annäherungsrichtungen, die ein Griff von oben nicht bieten kann
Alle Greifbibliotheken verwenden dasselbe Greifer-Bezugssystem — Annäherungsachse und Ursprung unterscheiden sich zwischen Werkzeugen, und das Vermischen von Konventionen erzeugt stillschweigend falsche Griffe
„GraspNet“ bezeichnet eine einzige Methode — 6-DOF GraspNet und der Datensatz GraspNet-1Billion samt Baseline sind getrennte Arbeiten verschiedener Gruppen

Wer das wissen sollte

Ingenieure für Manipulation und Greifen
Wahrnehmungsingenieure, die Pick-and-Place-Systeme bauen
Forschende im Roboterlernen, die an Griffdetektion arbeiten
Entwickler für mobile Manipulation

Open Source Robotics