Machine Learning
Machine Perception
Deep Learning
口頭発表
Graspabilityを導入したDCNNによる物体把持位置検出
- Author
- 荒木諒介, 長谷川昂宏, 山内悠嗣, 山下隆義, 藤吉弘亘, 堂前幸康, 川西亮輔, 関真規人
- Publication
- 日本ロボット学会学術講演会,2016
Download: PDF (Japanese)
産業用ロボットや生活支援ロボットの重要なタスクとして，工業部品や日用品などの物体を正確に把持する (掴む) ことが挙げられる.このピッキングタスクを実現するには,ロボットに搭載されているカメラセンサを用いて物体の画像を撮影し,その物体の最適な把持位置を検出する必要がある.ピッキングロボット向けの把持位置検出法は,これまでに多くの手法が提案されており,機械学習を用いる手法と用いない手法に大別できる.近年では,特にDeep Learningを用いた把持位置検出法が注目されており，2段階のDeep Neural Networkを用いた手法が提案されている．この手法では規模の異なる2つのDNNを用いているが，それぞれのネットワークで学習を行い，ネットワークを複数回ラスタスキャンして使用するため非効率であるという問題がある．本研究では,把持可能性 (Graspability) を導入したDeep Convolutional Neural Network (DCNN) による物体の把持位置検出法を提案する.1つのネットワークで物体把持位置とGraspabilityを同時検出することで，計算コストを抑えている．評価実験により，Graspabilityを用いることで適切な把持位置検出ができることを確認した．