To provide reliable handover techniques that allow robots to receive objects from human operators.SOLUTION: A robotic control system directs a robot to take an object 102 from human grasp by obtaining an image of a human hand 104 holding an object 102, estimating poses of the human hand 104 and the object 102, and determining a grasp pose for the robot that will not interfere with the human hand 104. In at least one example, a depth camera is used to obtain a point cloud of the human hand 104 holding the object 102. The point cloud is provided to a deep network that is trained to generate grasp pose for a robotic gripper 106 that can take the object 102 from the human hand 104 without pinching or touching the human's fingers.SELECTED DRAWING: Figure 1
【課題】ロボットが人間のオペレータから物体を受け取れるようにする信頼性の高い引渡しの技法を提供する。【解決手段】ロボット制御システムは、物体102を保持している人間の手104の画像を取得し、人間の手104及び物体102の姿勢を推定し、人間の手104に干渉しないロボットの把持姿勢を決定することにより、人間の把持から物体102を取るようにロボットに指示する。少なくとも一実例では、深度カメラを使用して、物体102を保持している人間の手104の点群が取得される。人間の指をつまむ又はそれに接触することなく、人間の手104から物体102を取ることができる、ロボット・グリッパ106のための把持姿勢を生成するように訓練されたディープ・ネットワークに、点群が提供される。【選択図】図1
MACHINE LEARNING CONTROL OF OBJECT HANDOVERS
物体引渡しの機械学習制御
2022-02-09
Patent
Elektronische Ressource
Japanisch
Learning to Segment Object Affordances on Synthetic Data for Task-oriented Robotic Handovers
BASE | 2022
|Towards enabling human-robot handovers : exploring nonverbal cues for fluent human-robot handovers
BASE | 2018
|Machine Learning-Based Handovers for Sub-6 GHz and mmWave Integrated Vehicular Networks
BASE | 2019
|Maximising Coefficiency of Human-Robot Handovers through Reinforcement Learning
BASE | 2023
|