I ricercatori presentano TGrasp6D, un sistema che usa la descrizione di un compito e una singola immagine RGB-D — un’immagine a colori abbinata a dati di profondità — per stabilire come un robot dovrebbe afferrare un oggetto. Per esempio, può scegliere il manico di un coltello per affettare oppure lasciarlo libero per passarlo a qualcuno.
Lo studio riporta un tasso di successo del 94% sul dataset TaskGrasp, contro il 74% del miglior sistema di riferimento. Il gruppo ha inoltre dimostrato il metodo con un robot Franka Research 3 e oggetti reali; l’abstract non specifica il numero di prove né se siano stati condotti test indipendenti.
Perché conta
Per chi fa ricerca in robotica, i risultati riportati suggeriscono che le descrizioni dei compiti e una singola immagine di profondità potrebbero aiutare i robot a scegliere come afferrare gli oggetti senza dover ricorrere a un dataset annotato manualmente per ogni combinazione di compito e oggetto. Le prestazioni al di fuori dei test riportati non sono state accertate.
