要約
オブジェクトの把持は、ロボティクスおよびコンピュータビジョンにおける基本的な課題であり、ロボット操作能力の進展にとって不可欠である。特に、布や衣類といった変形可能な物体は、非剛体性を持つため、追加的な課題をもたらす。本研究では、布物に特に焦点を当てた把持点検出を目的とした深層学習モデル「CeDiRNet-3DoF」を提案する。このモデルは、中心方向回帰（center direction regression）と位置推定ネットワーク（localization network）を組み合わせており、ICRA 2023の「布物操作チャレンジ」における認識タスクで1位を獲得した。文献において標準化されたベンチマークが不足していることにより、効果的な手法比較が困難であることに着目し、本研究では「ViCoS Towel Dataset」を提供する。この大規模なベンチマークデータセットは、実写画像8,000枚と合成画像12,000枚を含み、現代のデータ駆動型深層学習アプローチの学習および評価に役立つ強固なリソースである。広範な評価により、CeDiRNet-3DoFが実環境における堅牢性を示し、最新のトランスフォーマーに基づく手法を含む最先端手法を上回ることを確認した。本研究は、コンピュータビジョンおよびロボティクスにおける布物把持に関する重要なギャップを埋め、堅牢な解決策とベンチマークを提供する。コードおよびデータセットは以下のURLで公開されている：https://github.com/vicoslab/CeDiRNet-3DoF