Les chercheurs présentent TGrasp6D, un système qui s’appuie sur la description d’une tâche et une seule image RGB-D — une image couleur associée à des données de profondeur — pour déterminer comment un robot doit saisir un objet. Par exemple, il peut privilégier le manche d’un couteau pour couper ou laisser le manche dégagé pour transmettre l’objet à quelqu’un.
L’article fait état d’un taux de réussite de 94 % sur le jeu de données TaskGrasp, contre 74 % pour la meilleure méthode de référence. L’équipe a également testé l’approche sur un robot Franka Research 3 avec des objets du monde réel ; le résumé ne précise ni le nombre d’essais ni si des tests indépendants ont été menés.
Pourquoi c'est important
Pour les chercheurs en robotique, ces résultats suggèrent que des descriptions de tâches et une seule image de profondeur pourraient aider les robots à choisir comment saisir des objets sans avoir besoin d’un jeu de données annoté manuellement pour chaque paire tâche-objet ; les performances au-delà des tests présentés ne sont pas établies.
