إغلاق الحلقة للإمساك الروبوتي: نهج توليد إمساك في الوقت الفعلي

تقدم هذه الورقة منهجًا لصنع الإمساك في الوقت الفعلي، مستقلًا عن الكائنات، يمكن استخدامه في عمليات الإمساك المغلقة الدائرة (closed-loop grasping). يُقدّم النموذج المقترح، الشبكة العصبية التلافيفية لتوليد الإمساك (Generative Grasping Convolutional Neural Network - GG-CNN)، تقييمًا لجودة ووضع الإمساك عند كل بكسل في الصورة العميقة. يتجاوز هذا التمثيل واحد لواحد من الصورة العميقة التحديات التي تواجهها التقنيات الحالية القائمة على التعلم العميق في مجال الإمساك، وذلك من خلال تجنب عينة منفصلة لمراتب الإمساك المحتملة، والوقت الطويل الحسابي. علاوة على ذلك، فإن GG-CNN المُقترحة أصغر بمرات عديدة من النماذج الحالية، مع القدرة على اكتشاف إمساكات مستقرة بأداء مكافئ للتقنيات الرائدة في مجالها. يتميز GG-CNN بوزن خفيف وطبيعة توليدية ذات مرحلة واحدة، مما يمكّن من التحكم المغلق الدائرة بتردد يصل إلى 50 هرتز، ما يتيح إمساكًا دقيقًا في بيئات غير ثابتة، حيث تتحرك الكائنات، وفي ظل وجود عدم دقة في التحكم بالروبوت. في تجاربنا الواقعية، حققنا معدل نجاح إمساك بنسبة 83% على مجموعة من الكائنات غير المرئية سابقًا ذات هندسة معقدة، وبنسبة 88% على مجموعة من الكائنات المنزلية التي تم تحريكها أثناء محاولة الإمساك. كما تم تحقيق دقة بنسبة 81% عند محاولة الإمساك في بيئة مزدحمة ديناميكية.