In this paper, we studied semantic grasping for robotic manipulation. For efficient robotic manipulation, the robot should change the grasping position, grasping force, and gripper type depending on the object's material, characteristics, and purpose of grasping. However, designating characteristics and grasping parameters for every object is inconvenient and inefficient. To solve this problem, we suggest a method to predict appropriate grasping parameters for objects whose grasping parameters are unknown. We show that grasping parameters can be predicted using the knowledge graph embedding method over the knowledge graph of objects' characteristics, their relation, and grasping parameters. Furthermore, we developed a method for a robot to decide the appropriate grasping parameter by collecting information about an object using its recognition module.
본 논문에서는 로봇이 의미론적으로 물체를 잡을 수 있는 방식에 대해 연구했다. 로봇이 물체를 잡을 때 물체의 재질과 특성, 물체를 잡는 의도에 따라서 잡는 위치, 잡는 세기, 그리퍼의 종류 등이 달라져야 효율적인 작업이 가능하다. 하지만 모든 물체에 대한 정보와 이에 따른 파지법을 미리 지정하는 방식은 번거로우며, 비효율적이다. 이번 연구에서는 기존에 파지법을 명시하지 않은 물체에 대해서도 로봇의 작업에 알맞은 파지법을 예측하는 방법을 제시한다. 이를 위해 각 물체의 특성과 서로 간의 관계, 물체에 따른 파지법을 지식 그래프의 형태로 표현하고 지식 그래프 임베딩을 이용하면 새로운 물체에 대해서도 잡는 방식을 예측할 수 있음을 보였으며, 더 나아가 로봇이 인식 모듈을 이용해 물체에 대한 정보 습득 후 적절한 파지법을 결정하는 방법을 개발했다.
