6-DoF Grasp Pose

• 別名: 6-DoF grasp
• カテゴリ: Planning & manipulation › Manipulation
• タグ: grasping, pose-estimation, point-clouds, manipulation, grasp-detection

物体をつかむためにグリッパが閉じるべき、3 次元の位置と 3 次元の姿勢のすべて。自由なパラメータが少ない平面把持や真上からの把持と対比される。

定義

6-DoF 把持姿勢（6-DoF grasp pose）は、物体をつかむためにグリッパが閉じるときにどこにあるべきかを指定するものであり、位置の 3 自由度と姿勢の 3 自由度から成り、合わせて SE(3) の 1 つの要素となる。通常は、多くの場合指先の間の中心に置かれたグリッパ基準座標系の姿勢として、カメラ、ロボットのベース、または物体に対して表される。平行グリッパでは開き幅を、多指ハンドでは指の関節角を加えて記述を拡張することが多いが、グリッパがあらゆる方向から接近できるのは 6-DoF の部分のおかげである。

この用語は主に、より低次元の把持表現と対比して使われる。初期の学習ベースの把持は平面把持（planar grasps）、たとえば画像中の向きを持つ矩形を予測していた。これは位置、深さ、鉛直軸まわりの回転をもつ真上からの接近に相当し、約 4 自由度である。上から見た箱の中に平らに置かれた物体にはこれで十分だが、マグカップを横からつかむこと、棚に横たわったボトルをつかむこと、人が持っている物体をつかむことはできない。6-DoF の手法は接近方向の空間全体を探索するため、より汎用的だが、より難しくもある。空間は大きく、多くの候補姿勢が物体やシーンと衝突し、しかも結果はアームが到達できるものでなければならない。

典型的な 6-DoF のパイプラインは部分的な点群から始まる。Grasp Pose Detection のようなサンプリングベースの手法は、アンチポーダル接触などの幾何学的ヒューリスティックを用いて多数のグリッパ姿勢を提案し、学習した分類器でそれらをスコア付けする。6-DOF GraspNet のような生成的手法は、学習した分布から把持姿勢をサンプリングし、学習した評価器で洗練させる。一方、Contact-GraspNet はシーン全体の観測された表面点に固定された把持を予測する。その後、各候補は衝突チェックを受け、逆運動学で解かれ、接近軸に沿って少し手前に下がった把持前姿勢、直線的な接近、閉じる動作、持ち上げる動作の順で実行される。座標系の規約は重要である。どのグリッパ軸を接近方向とするか、座標系の原点をどこに置くかはライブラリによって異なり、また平行グリッパの把持を接近軸まわりに 180 度回転させたものは物理的には同じ把持であるため、学習の損失と評価の両方に影響する。

重要な理由

現実の物体のほとんどは箱の中に平らに置かれているわけではない。棚、テーブル、散らかった場所、人が持っている物体はいずれも真下以外の方向からの接近を必要とし、6-DoF 把持姿勢はそうした把持を可能にする表現である。また、把持検出器と動作プランナーの間の共通インターフェースでもある。

主な用途

• 棚、テーブル、散らかったシーンからの物体のピッキング
• 人の手に持たれた物体の、人からロボットへの受け渡し
• 家庭や倉庫でのモバイルマニピュレーション
• 部分的な点群からの未知物体の把持
• 学習用の把持データセットのシミュレーションでの生成

実際の使われ方

キッチンロボットが、取っ手を向こう側に向けて立っているマグカップを持ち上げる必要がある。深度カメラがマグカップの部分的な点群を与え、把持ネットワークがスコア付きの 6-DoF 把持候補を数百個返す。ソフトウェアは候補をロボットのベース座標系に変換し、テーブルやシーンと衝突するものを除外し、残りについて逆運動学を解いて、関節の限界に近づかずに到達できるものを残す。縁を横からつかむ最良の把持について、プランナーはグリッパの接近軸に沿って 10 センチ手前の把持前姿勢へ移動し、直線的に接近し、グリッパを閉じて持ち上げる。初期のバグは、把持ライブラリとロボットのグリッパが異なる接近軸を使っていたことが原因であり、2 つの座標系の規約の間に固定の回転を入れることで修正された。

よくある誤解

• 6-DoF 把持姿勢があれば把持を実行できる — その姿勢は衝突チェックを通過し、逆運動学の解をもち、妥当な把持前の接近によって到達されなければならない
• ほとんどのタスクには真上からの把持で十分である — 開いた箱に平らに置かれた物体にはうまくいくが、棚、横向きの取っ手、人が持っている物体には、真上からの把持では得られない接近方向が必要である
• すべての把持ライブラリは同じグリッパ座標系を使う — 接近軸と座標系の原点はツールによって異なり、規約を混在させると気づかないうちに誤った把持が生じる
• 「GraspNet」は 1 つの手法を指す — 6-DOF GraspNet と、GraspNet-1Billion のデータセットおよびベースラインは、異なるグループによる別々の研究である

知っておくべき人

• マニピュレーション・把持のエンジニア
• ピックアンドプレースシステムを構築する知覚エンジニア
• 把持検出に取り組むロボット学習の研究者
• モバイルマニピュレーションの開発者

関連技術

• 6-DOF GraspNet
• Contact-GraspNet
• Grasp Pose Detection（GPD）
• MoveIt
• Open3D

関連用語

• Grasp Planning
• Antipodal Grasp
• Grasp Quality Metric
• SE(3)
• Point Cloud
• 6D rotation representation

関連プロジェクト

• LeRobot: HuggingFace ML library for real-world robotics in PyTorch
• Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
• NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
• OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
• Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
• OpenArm: 7DOF humanoid arm for physical AI research in contact-rich environments