elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Learning-Based Real-Time Torque Prediction for Grasping Unknown Objects with a Multi-Fingered Hand

Winkelbauer, Dominik und Bäuml, Berthold und Triebel, Rudolph (2023) Learning-Based Real-Time Torque Prediction for Grasping Unknown Objects with a Multi-Fingered Hand. In: 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2023. IEEE. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023), 2023-10-01 - 2023-10-05, Detroit, USA. doi: 10.1109/IROS55552.2023.10341970. ISBN 978-166549190-7. ISSN 2153-0858.

[img] PDF
5MB

Offizielle URL: https://ieeexplore.ieee.org/document/10341970

Kurzfassung

When grasping objects with a multi-finger hand, it is crucial for the grasp stability to apply the correct torques at each joint so that external forces are countered. Most current systems use simple heuristics instead of modeling the required torque correctly. Instead, we propose a learning-based approach that is able to predict torques for grasps on unknown objects in real-time. The neural network, trained end-to-end using supervised learning, is shown to predict torques that are more efficient, and the objects are held with less involuntary movement compared to all tested heuristic baselines. Specifically, for 90 % of the grasps the translational deviation of the object is below 2.9 mm and the rotational below 3.1°. To generate training data, we formulate the analytical computation of torques as an optimization problem and handle the indeterminacy of multi-contacts using an elastic model. We further show that the network generalizes to predict torques for unknown objects on the real robot system with an inference time of 1.5 ms.

elib-URL des Eintrags:https://elib.dlr.de/197492/
Dokumentart:Konferenzbeitrag (Vortrag, Poster)
Titel:Learning-Based Real-Time Torque Prediction for Grasping Unknown Objects with a Multi-Fingered Hand
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Winkelbauer, DominikDominik.Winkelbauer (at) dlr.dehttps://orcid.org/0000-0001-7443-1071NICHT SPEZIFIZIERT
Bäuml, BertholdBerthold.Baeuml (at) dlr.dehttps://orcid.org/0000-0002-4545-4765NICHT SPEZIFIZIERT
Triebel, RudolphRudolph.Triebel (at) dlr.dehttps://orcid.org/0000-0002-7975-036XNICHT SPEZIFIZIERT
Datum:2023
Erschienen in:2023 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2023
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/IROS55552.2023.10341970
Verlag:IEEE
ISSN:2153-0858
ISBN:978-166549190-7
Status:veröffentlicht
Stichwörter:Robotics, Grasping, Machine Learning, Deep Learning
Veranstaltungstitel:IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023)
Veranstaltungsort:Detroit, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:1 Oktober 2023
Veranstaltungsende:5 Oktober 2023
Veranstalter :IEEE/RSJ
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Robotik
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R RO - Robotik
DLR - Teilgebiet (Projekt, Vorhaben):R - Autonome, lernende Roboter [RO]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Institut für Robotik und Mechatronik (ab 2013) > Perzeption und Kognition
Hinterlegt von: Winkelbauer, Dominik
Hinterlegt am:22 Sep 2023 14:31
Letzte Änderung:24 Apr 2024 20:57

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.