Odhadování fyzikálních vlastností objektů pomocí robotické manipulace – dataset a srovnávací měřítko

Abstract

Odhadování fyzikálních vlastností objektů spočívá v měření objektů a následném odhadování jejich vlastností na základě tohoto měření. Jednotlivá měření se provádějí pomocí senzorů, jako jsou RGB kamery, hloubkové kamery, robotické manipulátory a chapadla doplněná o čidla veličin jako síla, moment síly, tlak apod. Tyto prvky pak společně utvářejí sestavu, která se v kombinaci s vlastními algoritmy používá k měření a odhadování vlastností fyzických objektů. Cílem této práce je vytvořit jednak most mezi různými fyzikálními sestavami v podobě otevřené databáze a jednak systém pro porovnávání různých metod odhadování fyzikálních vlastností. Toho se práce snaží dosáhnout pomocí modulu, který zaznamenává experimenty a následně je za využití REST API nahrává do otevřené databáze, vytvořené pomocí knihovny Django. Na rozdíl od předchozích prací tato databáze umožňuje různým datasetům vytvořeným odlišnými způsoby koexistovat ve stejné, nadřazené struktuře. Jiné práce se zabývají především buď generováním dat, odhadováním fyzikálních vlastností, nebo odvozováním znalostí a obvykle vznikají nezávisle na sobě. Díky databázi vytvořené v rámci této práce je možné začlenit výsledky z jiných prací do sdíleného, otevřeného formátu. Práce je součástí širšího projektu IPALM (Interactive Perception-Action-Learning for Modelling Objects), do nějž přispívá rozšiřitelnou databází pro robotickou manipulaci, zahrnující uchopování objektů, popisování fyzických objektů a porovnávání algoritmů na odhadování vlastností.

Object property estimation deals with the measuring of objects and subsequent estimation of their properties from these measurements. These measurements are performed using sensors such as RGB cameras, depth cameras, robotic manipulators and grippers accompanied by sensors for quantities such as force, torque, pressure, etc. These elements are combined to form a setup, which is then used in tandem with custom algorithms to measure and estimate the properties of physical objects. This work attempts to create a bridge between different physical setups through an open database as well as a benchmark to compare distinct property estimation methods. This work achieves that through an experiment recording and uploading module that uploads recorded experiments to an open Django database using the REST API. This differs from previous works in that it enables datasets created with different tools to coexist in the same overarching data structure. Other works focus mainly on either generating measurement data, property estimations or higher order knowledge, all the while working independently to each other. Using the resulting database from this work it is possible to integrate already existing results from other works into a shared, accessible format. This work is part of the wider IPALM (Interactive Perception-Action-Learning for Modelling Objects) project and contributes an expandable database for robotic manipulation, including grasping, physical objects and benchmarking of property estimation methods.