Grasp Quality Metric

Auch genannt: grasp quality measure, grasp score
Kategorie: Planning & manipulation › Manipulation
Schlagwörter: grasping, grasp-analysis, wrench-space, manipulation, datasets

Ein Wert dafür, wie gut ein Griff ist, zum Beispiel wie groß ein Störwrench ist, dem seine Kontakte widerstehen können; verwendet, um Kandidatengriffe zu ordnen, die Griffoptimierung zu steuern und Griffdatensätze zu beschriften.

Definition

Ein Griffqualitätsmaß (grasp quality metric) ordnet einem Griff einen skalaren Wert zu, sodass Kandidaten verglichen und der beste ausgewählt werden kann. Analytische Maße gehen von einem Modell der Kontakte zwischen Hand und Objekt aus: ihren Positionen, Oberflächennormalen und Reibungskoeffizienten. Am weitesten verbreitet ist das Epsilon-Maß von Ferrari und Canny (1992). Der Reibungskegel jedes Kontakts wird durch eine Menge von Kantenkräften angenähert, jede Kraft wird in einen Wrench bezüglich eines Referenzpunkts umgerechnet, meist des Schwerpunkts des Objekts, und die konvexe Hülle dieser primitiven Wrenches bildet den Griff-Wrench-Raum. Die Epsilon-Qualität ist der Radius der größten um den Ursprung zentrierten Kugel, die in diese Hülle passt: der größte Betrag eines Störwrenches, dem der Griff in jeder Richtung widerstehen kann, wenn die Summe der Kontaktnormalkräfte auf eins begrenzt ist. Eine Variante, die die Kraft jedes Kontakts einzeln begrenzt, bildet die Hülle aus der Minkowski-Summe der Kontakt-Wrench-Mengen, und ein verwandtes Volumenmaß verwendet statt der Kugel das Volumen der Hülle.

Das Epsilon-Maß ist genau dann positiv, wenn der Ursprung strikt im Inneren des Griff-Wrench-Raums liegt, was die Bedingung für Kraftschluss ist; es erweitert also die Ja-oder-Nein-Prüfung auf Kraftschluss zu einer abgestuften Bewertung. Es hat bekannte Empfindlichkeiten: Kräfte und Momente haben unterschiedliche Einheiten, daher hängt der Wert davon ab, wie das Moment skaliert wird, oft mit einem charakteristischen Objektradius, und vom gewählten Referenzpunkt, und es setzt exakte starre Kontakte und einen bekannten Reibungskoeffizienten voraus. Andere analytische Maße messen Eigenschaften der Griffmatrix, etwa ihren kleinsten Singulärwert, oder der Handkonfiguration, etwa den Abstand zu Gelenkgrenzen oder Singularitäten.

Da analytische Werte reale Ergebnisse nicht immer vorhersagen, verwenden viele Systeme empirische oder gelernte Maße. Ein Griff kann nach seiner Erfolgsquote in der Simulation unter gestörter Objektpose, Reibung und Form bewertet werden oder nach seiner Robustheit gegenüber solcher Unsicherheit, wie in der Dex-Net-Forschungslinie, und neuronale Netze können darauf trainiert werden, einen solchen Wert direkt aus Bildern oder Punktwolken vorherzusagen. Große Griffdatensätze filtern oder beschriften Kandidaten mit einem dieser Maße, sodass die Wahl des Maßes prägt, was ein gelernter Griffplaner später als guten Griff behandelt.

Warum es wichtig ist

Griffplanung ist eine Suche, und eine Suche braucht eine Zielfunktion. Das Qualitätsmaß ist diese Zielfunktion: Es entscheidet, welche Griffe ein Planer ausführt und welche Griffe ein Datensatz als positiv zählt. Zu wissen, was ein Maß misst und was es ignoriert, hilft zu erklären, warum ein Griff, der in der Analyse gut abschneidet, an der realen Hand trotzdem abrutschen kann.

Wichtige Anwendungen

Ordnen von Kandidaten in analytischen Griffplanern wie GraspIt!
Beschriften großer synthetischer Griffdatensätze
Zielfunktion oder Verlustterm in der Griffoptimierung
Trainingsziele für gelernte Griffqualitätsnetze
Vergleich von Roboterhand-Konstruktionen anhand der Griffe, die sie erreichen können
Auswahl von Umgriffen bei der In-Hand-Manipulation

In der Praxis

Ein Team, das einen Datensatz geschickter Griffe erzeugt, tastet Handposen um Tausende von Objektnetzen ab und bestimmt für jeden Kandidaten die Kontaktpunkte zwischen den Fingern und der Oberfläche. Es nähert den Reibungskegel jedes Kontakts für einen angenommenen Reibungskoeffizienten mit einer achtseitigen Pyramide an, berechnet das Epsilon-Maß bezüglich des Objektschwerpunkts, wobei die Momente durch den Hüllradius des Objekts geteilt werden, und verwirft Griffe, deren Wert nahe null liegt. Da der analytische Wert perfekte Kontakte annimmt, testet es die verbleibenden Griffe anschließend in einem Physiksimulator, wobei die Schwerkraft nacheinander in mehreren Richtungen wirkt, und behält nur Griffe, die das Objekt in jedem Test halten. Der Datensatz enthält sowohl den analytischen Wert als auch das simulierte Ergebnis, sodass Nutzer sehen können, wo beide voneinander abweichen.

Häufige Missverständnisse

Ein hoher Epsilon-Wert garantiert einen erfolgreichen Griff — er setzt exakte Kontaktpositionen, starre Körper und bekannte Reibung voraus und ignoriert, ob die Hand die erforderlichen Kräfte tatsächlich aufbringen kann
Ein Wert von null bedeutet, dass das Objekt herunterfällt — null bedeutet keinen Kraftschluss, aber ein Griff kann ein Objekt dennoch gegen eine bekannte Last wie die Schwerkraft halten
Der Epsilon-Wert ist eine physikalische Eigenschaft des Griffs — er hängt von der Momentskalierung, dem Referenzpunkt und der Näherung des Reibungskegels ab, sodass Werte nur unter denselben Konventionen vergleichbar sind
Ein Griffqualitätsmaß ist dasselbe wie Kraftschluss — Kraftschluss ist eine binäre Bedingung; ein Qualitätsmaß stuft Griffe ab, und das Epsilon-Maß ist genau für kraftschlüssige Griffe positiv

Wer das wissen sollte

Forschende in der Griffplanung
Ingenieure für geschickte Manipulation
Teams, die synthetische Griffdatensätze erstellen
Entwickler von Roboterhänden

Open Source Robotics