Formkorrespondenzen und -analyse

Wird ein Robotersystem in seiner Umgebung mit Objekten konfrontiert, für die es kein konkretes sensorisches, geometrisches und semantisches Modelwissen besitzt, so stellen sich besondere Herausforderungen an seine perzeptuellen Fähigkeiten. Solche Situationen sind regelmäßig zu erwarten in der gewöhnlichen Lebensumgebung des Menschen, also im privaten und öffentlichen Bereich sowie an vielen Arbeitsplätzen.

Um mit unbekannten Objekten sinnvoll zu interagieren, sie etwa korrekt zu manipulieren, sind Relationen hilfreich, die zwischen diesen Objekten und bereits bekannten ähnlichen Objekten hergestellt werden können. Die wesentliche Frage ist: welche Teile oder Punkte eines neuen Objekts korrespondieren zu welchen Teilen oder Punkten eines bekannten, prototypischen Objektes? Sie wird beantwortet durch das Berechnen einer geeigneten Verformung, geleitet von globaler und lokaler Formähnlichkeit, der prototypischen Form auf die neue Form.

Objektteile mit spezieller funktionaler Relevanz können durch eine geeignete Verformung von Prototypen an neuen Objekten detektiert werden. Sie können sogar im Detail in Beziehung gesetzt werden zu einem bekannten Beispielfall. Im Bild sind geschätzte Punktkorrespondenzen zwischen den Griffen an zwei unterschiedlichen Putzmittelflaschen mit gleicher Farbe gekennzeichnet; der Farbverlauf ist gemäß den kartesischen Koordinaten im Prototypensystem.

Für die funktional korrekte Handhabung, im Bild etwa einer unbekannten Sprühflasche, werden Kontaktpunkte (b) eines funktionalen Beispielgriffs (a) an einem bekannten Objekt derselben Art durch Verformung übertragen auf den neuen Fall (c). Aus den neuen Kontaktpunkten kann dann ein analoger funktionaler Griff geplant werden (d).   Eine Statistik aller lokalen Verformungen zwischen einem Objektprototypen und einem unbekannten Objekt quantifiziert deren Formähnlichkeit. Daraus lässt sich eine formbasierte Objektklassifikation gewinnen, also erkennen, ob das unbekannte Objekte zur selben Kategorie gehört wie der Prototyp. Das Bild zeigt eine Tischszene (oben) und Datenpunkte ihres Tiefenbildes (unten), in denen alle auf diese Weise gefundenen Becher-artigen Objekte rot markiert sind.

Ausgewählte Veröffentlichungen

Th. Stouraitis, U. Hillenbrand, and M. A. Roa. Functional power grasps transferred through warping and replanning. Proceedings IEEE International Conference on Robotics and Automation -- ICRA 2015.

U. Hillenbrand. Detecting objects of a category in range data by comparing to a single geometric prototype. Proceedings IEEE/RSJ International Conference on Intelligent Robots and Systems -- IROS 2013.

U. Hillenbrand and M. A. Roa. Transferring functional grasps through contact warping and local replanning. Proceedings IEEE/RSJ International Conference on Intelligent Robots and Systems -- IROS 2012.

Dr. Ulrich Hillenbrand Deutsches Zentrum für Luft- und Raumfahrt (DLR) Institut für Robotik und Mechatronik, Perzeption und Kognition Oberpfaffenhofen-Weßling Tel.: +49 8153 28-3501 Fax: +49 8153 28-1134