Preensão robótica seletiva em 6D utilizando Redes Neurais Convolucionais

Abstract

Este artigo propõe um sistema visual de geração de preensões múltiplas, seletivas e em 6D, utilizando uma Rede Neural Convolucional (CNN) denominada de GraspNet e uma versão modificada da CNN intitulada Single Shot Multibox Detector (SSD). A GraspNet é uma técnica de preensão robótica, baseada nos Autoencoders Variacionais, para gerar preensões a partir da nuvem de pontos do objeto e do efetuador final. Ela é capaz de conceber diversas preensões para um único objeto, possibilitando a exploração das soluções cinemáticas viáveis para evitar colisões com outros objetos na área de trabalho do robô. No entanto, essa técnica não permite ao manipulador efetuar preensões em objetos de forma seletiva. Para mitigar este problema, uma versão modificada da SSD foi adotada para a detecção e seleção de objetos para a posterior preensão. A analise de desempenho do sistema proposto é apresentada através de resultados de simulação no ROS/Gazebo com peças de complexidade geométrica.