team combined a Barrett hand with a

team combined a Barrett hand with a"puih-pull mechanism" consisting"of a flexible moullic upe, step motor and roll mechanism", that allowed them to push and pull objects inside the bins.
We also asked each team" How would you change yourdesingn".We ide.ntified the tollowing recurrent themes in the free-form answers: "Change gripper supplierldesign" (8), Use suction 7. "Making the end-effector sinallerhhinner to improve mobility(4), "Increase workspace of the robot add mobile base" (t), "Enhance gripper with sensorifeedback" "Complement suction with gripper(2), Minor changes in clude problems with payload restrictions Cgripper oo heavy suction systems being too weak Team SPTT who crnployed a team of twelve miniature robots placed on a separate shelf with fool beights identical to that of the shelf in which the items were piaced, reported only minor design revisions including reducing the overall number of robots.
C.Penception
We also asked"Did tour approach rely on motion planning?"and provided choices for common sofrware packges.80% of all teams (20) did use any motion planning,whereas 20% of teams (5) did not use any motion planning(i.e., soarching for paths in a configuration space representatiin, as opposed to sensor-driven reative control).Notably,the winning team(RBO) did not use motion planning.Team MIT relied on trajectory generation using the avaitable software Drake, a planning and control toolbox fr nin-linear systems. The third place Grizzly team used very simple,homomade motion planning to align the robot with the shelf and then serve to pre-computed positions.Among the available motion planning software solutions,"MoveIt!"(18) was used by 44% of the teams(11),28%(7)developed their own custom solutions one team used"OpenRave"(19),and one team used "Drake"(17) Other tools mentiined by the teams include"trajopt"(20),ROS' JT Cartesian Controller(21),and the OMPL library (22),which was interfaced through MoveIt! or stand-alone in the teams custom implementations.For prasping,96% of the teams(23) reported having developed their own,custom solution. The Rutgers U ,Pracsys ciled using the "GraspIt" software package(23) for generation grasping poses for the 3-finger Robotiq hand.When asked "Did you use a dynamin IK solver?" , 32% of the teams answered in the affurative,60% choose"No", and 8% (2) choose "Don't know". Software packages used bg the teams include the " Rigid Body Dynamics Library"(RBDL)(24), In terms of perception alogorithems,67% of the teams (16) reported using object color and histogrm data,46%(11) used gcometrical features from 3D information,42%(10) matched image fcatures to those stured in a model,33%(8) matched 3D percoption data to a stored 3D model, and 17%(4) used geounctrical features from 2D information(Figere 4) As for the sofware used, 75% (18) of the teams used the "Point Cloud Library" (PCL).(6).67%(16) used the "Open Computer Vision Library" (OpenCV)(7),and 33%(8) report using their"own" tools (Figure5).Other mentions (once each) include,"Object Rocogoltion Kirchen"(ORK)(8)."SDS"(9)"Linornod"(10)"Eclo"(11) and "Scikil team"(12). as wcit as pro prictary software provided by Capsen Robotics (used by the MIT Team).
Looking at this data more closely.we observe a large diversity of approaches while also observing some conmon trends.We naalyzed responses to thw question"Please describe your percrption approach in3-4senfencws".Four teams(4) indicated they used exclusively color and histogram information to identify objects,two teams(2) only used feature detection,such as SIFT(13),and another two teams(2)relied exclusively on matching 3D perception afainst 3D modcls stored in a database(14).With a third of teams relying on only one class of aigorithms,the majority of teams chose more or less complex combinations theroof.Three teams(3)combined color and histogram information with point cloudbased background sjubiraction exploiting the known shelf geometry.Two teams(2)instead used color information for segentatiin and then used the remaining point cloud for pose estimarion. Anorher two teams(2) used the object's known gcomeury (bounding box size) for classification,nine answers each report distinet combinations of color and 3D information including (15),(16).One team did not reply to the question.Here,Team-K's appriach is noteworthy in thar they performed identificatiin only after picking up the objcet and placed it back into the bin if it was nit the desired one.
In the responses to the questiin"What would you da differnily?", we identify two clusters of reponses :those who would like to complement thir approach with the algorithms and sensors they did not use(14),and those who would like to simplify their approach (6).One ream would not make any changes and four teams did not respond to the auestion.Amonog those who want to make improvements by increasing functionality,using more 3D perception and object gcometry(5),using color and histogram informatuon(2),and exploiting

ผลลัพธ์ (ไทย) 1:

ทีมร่วมมือบาร์เร็ตต์ มี "puih-ดึงกลไก" ประกอบด้วย "การยืดหยุ่น moullic upe ขั้นมอเตอร์ และม้วนกลไก" ที่สามารถผลักดันและดึงวัตถุภายในช่องเก็บถามแต่ละทีม "วิธีจะเปลี่ยน yourdesingn" เรา ide.ntified tollowing รูปแบบซ้ำในคำตอบอิสระ: "เปลี่ยน gripper supplierldesign" (8), ใช้ดูด 7 "การ sinallerhhinner ฟเฟกสิ้นสุดการปรับปรุง mobility(4) "เพิ่มพื้นที่ทำงานของหุ่นยนต์เพิ่มฐานมือถือ" (t), "เพิ่ม gripper มี sensorifeedback""ดูดเสริมกับ gripper(2) รองการเปลี่ยนแปลงใน clude ปัญหาข้อจำกัดน้ำหนักบรรทุก Cgripper oo หนักดูดระบบเป็นทีมอ่อนเกินไป SPTT ที่ crnployed มีทีมหุ่นยนต์ขนาดเล็กสิบสองวางบนชั้นแยกกับ beights หลอกเหมือนกันกับชั้นวางของซึ่งสินค้าถูก piaced รายงานการปรับปรุงออกแบบเล็กน้อยเท่านั้นรวมทั้งลดจำนวนโดยรวมของหุ่นยนต์C.Penception เราถาม "ไม่ทัวร์วิธีพึ่งวางแผนเคลื่อนไหว" และให้เลือกสำหรับ packges.80% sofrware ทั่วไปของทีมงานทั้งหมด (20) ไม่ใช้การวางแผน ทุกการเคลื่อนไหวขณะที่ 20% ของทีม (5) ไม่ได้ใช้ใด ๆ เคลื่อนไหววางแผน (เช่น soarching สำหรับเส้นทางในการกำหนดค่าพื้นที่ representatiin ตรงข้ามกับ reative ขับเคลื่อนเซนเซอร์ควบคุม) ยวด team(RBO) ชนะไม่ได้ใช้วางแผนการเคลื่อน ทีม MIT พึ่งสร้างวิถีโดยใช้ซอฟต์แวร์ avaitable เดรก การวางแผน และควบคุมระบบเชิงเส้นนิน fr เครื่องมือ ที่สามวางสีเทาทีมใช้ง่ายมาก homomade เคลื่อนไหววางแผนจะจัดหุ่นยนต์พร้อมชั้นวาง และจากนั้น ทำหน้าที่ในการคำนวณตำแหน่งก่อน ระหว่างการเคลื่อนที่มีการวางแผนซอฟต์แวร์โซลูชั่น "MoveIt" (18) ถูกใช้ โดย 44% ของทีม (11), 28% (7) พัฒนา ตนเองทีมหนึ่งโซลูชันที่กำหนดเองใช้ "OpenRave" (19), และหนึ่งทีม "Drake"(17) mentiined เครื่องมืออื่น ๆ โดยทีมได้แก่ "trajopt" (20), ROS' JT ควบคุมคาร์ทีเซียน (21), และไลบรารี OMPL (22), ซึ่งถูก interfaced ผ่าน MoveIt หรือแบบสแตนด์อโลนในการใช้งานการกำหนดเองของทีม สำหรับ prasping, 96% ของ teams(23) ที่รายงานได้มีพัฒนาโซลูชันที่กำหนดเองของตัวเอง U เมืองรั ciled Pracsys ใช้ package(23) ซอฟต์แวร์ "GraspIt" ที่คิดรุ่น poses สำหรับมือ Robotiq 3 นิ้ว เมื่อถาม "วิธีคุณ ใช้ solver เป็น IK dynamin " 32% ของทีมที่ตอบใน affurative, 60% เลือก "ไม่" และ 8% (2) เลือก "ไม่ทราบ" แพคเกจซอฟต์แวร์ใช้ bg ทีมรวมถึงการ "แข็งตัว Dynamics Library"(RBDL)(24) ในแง่ของการรับรู้ alogorithems, 67% ของทีม (16) รายงานการใช้วัตถุสีและ histogrm data,46%(11) ใช้ gcometrical คุณลักษณะจาก 3D information,42%(10) ตรง fcatures ภาพไปที่ stured ในข้อมูล 3D percoption model,33%(8) จับคู่เป็นแบบ 3 มิติเก็บไว้ และ 17%(4) ใช้คุณลักษณะ geounctrical จากข้อมูล 2D (Figere 4) สำหรับซอฟต์แวร์ที่ใช้ 75% (18) ของทีมใช้ "จุดห้องสมุดคลาวด์" (มหาชน) (6).67%(16) ใช้รายงาน "เปิดวิสัยทัศน์คลังคอมพิวเตอร์" (OpenCV) (7), และ 33%(8) โดยใช้เครื่องมือ "ของตัวเอง" (Figure5) รวมถึงอื่น ๆ ที่กล่าวถึง (แต่ละครั้ง) "Kirchen"(ORK)(8) Rocogoltion วัตถุ" SDS"(9)"Linornod"(10)"Eclo"(11) และ"Scikil team"(12) เป็น wcit เป็น pro prictary ซอฟต์แวร์โดยหุ่นยนต์ Capsen (ใช้ โดยทีม MIT) กำลังดูข้อมูลเพิ่มเติม closely.we สังเกตความหลากหลายขนาดใหญ่ของวิธีในขณะที่ยัง สังเกตบางแนวโน้ม conmon เรา thw naalyzed ตอบคำถาม "โปรดอธิบายของ percrption วิธี in3-4senfencws" Teams(4) สี่ระบุจะใช้เฉพาะข้อมูลสีและฮิสโตแกรมระบุวัตถุ teams(2) สองเท่านั้นใช้คุณลักษณะการตรวจหา เช่น SIFT (13), และอีกสองทีม (2) พึ่งเฉพาะรับรู้ 3D afainst modcls 3D เก็บไว้ใน database(14) เป็นการจับคู่ มีสามทีมที่พึ่งเพียงหนึ่งชั้นของ aigorithms ส่วนใหญ่ของทีมเลือก theroof ชุดที่ซับซ้อนมาก หรือน้อยกว่า สามทีมงาน (3) รวมสีและฮิสโตแกรมข้อมูลกับคลาวด์จุดพื้นหลัง sjubiraction เรขาคณิตชั้นรู้จักใช้ประโยชน์จาก สองทีม (2) ข้อมูลสีที่ใช้แทน สำหรับ segentatiin และจากนั้น ใช้ cloud จุดเหลือสำหรับท่า estimarion Anorher teams(2) สองใช้วัตถุที่รู้จัก gcomeury (วิ่งขนาดกล่อง) สำหรับการจัดประเภท เก้าตอบรายงานชุด distinet ของข้อมูลสีและ 3D รวมทั้ง (15),(16) ทีมหนึ่งไม่ได้ตอบกลับไป question.Here,Team K appriach เป็นที่น่าสังเกตในทาร์พวกเขาดำเนินการ identificatiin หลังจากรับการ objcet และวางมันกลับเข้าไปในช่องเก็บถ้ามันนิดหนึ่งที่ต้องการ ในการ questiin การตอบรับ "อะไรจะให้คุณดา differnily ? ", เราระบุ reponses กลุ่มสอง: ผู้ที่ต้องการเติมเต็มวิธีการอัพเกรดห้องฟรี ด้วยอัลกอริทึมและเซ็นเซอร์ที่พวกเขาไม่ได้ใช้ (14), และผู้ที่ต้องการลดความซับซ้อนของวิธีการ (6) หนึ่งรีมจะทำการเปลี่ยนแปลง และสี่ทีมไม่ตอบสนองการ auestion Amonog ผู้ที่ต้องการปรับปรุง โดยเพิ่มฟังก์ชันการทำงาน ใช้เพิ่มเติม 3D รับรู้และวัตถุ gcometry (5), การใช้สีและฮิสโตแกรม informatuon (2), และใช้ประโยชน์จาก

ผลลัพธ์ (ไทย) 3:

ทีมรวม Barrett มือกับ " puih ดึงกลไก " ประกอบด้วย " ของความยืดหยุ่น moullic upe มอเตอร์ขั้นตอนและกลไก " ม้วน ที่อนุญาติให้พวกเขาผลักดันและดึงวัตถุภายในถังขยะ .นอกจากนี้เรายังขอให้แต่ละทีม " วิธีที่คุณจะเปลี่ยนแปลง yourdesingn " เรา ide.ntified ที่ tollowing ซ้ำชุดในรูปแบบคำตอบ : " เปลี่ยน supplierldesign ก้ามปู " ( 8 ) , ใช้ดูด 7 " . ทำให้สิ้นสุดโต้ง sinallerhhinner เพื่อปรับปรุงการเคลื่อนไหว ( 4 ) , " เพิ่มพื้นที่ทำงานของหุ่นยนต์เคลื่อนที่เพิ่มฐาน " ( T ) , " เพิ่ม Gripper กับ sensorifeedback " กว่าดูดก้ามปู ( 2 ) , การเปลี่ยนแปลงเล็กน้อยในปัญหาของข้อ จำกัด cgripper clude กับ OO หนักดูดระบบอ่อนแอเกินไป ทีม sptt ที่ crnployed ทีม หุ่นยนต์จิ๋วสิบสองวางอยู่บนชั้นแยกกับคนโง่ beights เหมือนกับที่ชั้นซึ่งในรายการ piaced รายงานเพียงเล็กน้อยแก้ไขออกแบบรวมถึงการลดจำนวนรวมของหุ่นยนต์penception Cเราก็ถามว่า " ทำแบบทัวร์ อาศัยวางแผน ? และให้เลือก packges ซอฟท์แวร์ทั่วไป ร้อยละ 80 ของทีมทั้งหมด ( 20 ) ไม่ใช้เคลื่อนไหวใด ๆวางแผน ในขณะที่ร้อยละ 20 ของทีม ( 5 ) ไม่ใช้เคลื่อนไหวใด ๆวางแผน ( เช่น soarching สำหรับเส้นทางในการตั้งค่าพื้นที่ representatiin ตรงข้ามกับเซ็นเซอร์ขับเคลื่อนการควบคุม reative ) โดย ทีมที่ชนะ ( rbo ) ไม่ได้ใช้วางแผน ทีมเอ็มไอทีอาศัยวิถีการใช้ซอฟต์แวร์รุ่นเดรค avaitable , วางแผนและควบคุมกล่องเครื่องมือ FR ในเชิงระบบ สามทีมที่หมีใช้ง่ายมาก homomade เคลื่อนไหววางแผนจัดหุ่นยนต์กับชั้นแล้วให้ก่อนคำนวณตำแหน่ง ท่ามกลางการเคลื่อนไหว การวางแผนซอฟต์แวร์โซลูชั่น " ย้ายมัน ! " ( 18 ) ถูกใช้โดย 44% ของทีม ( 11 ) , 28 ( 7 ) พัฒนาโซลูชั่นของพวกเขาเองหนึ่งทีมที่ใช้ " openrave " ( 19 ) , ทีมหนึ่งใช้ " เป็ด " ( 17 ) อื่น ๆ เครื่องมือ mentiined โดยทีมรวมถึง " trajopt " ( 20 ) , รอส ' เจทีของตัวควบคุม ( 21 ) และ ompl ห้องสมุด ( 22 ) ซึ่งติดต่อผ่านย้ายมัน ! หรือแบบสแตนด์อโลนในทีมงานที่กำหนดเองที่ใช้งาน สำหรับ prasping 96 % ของทีม ( 23 ) รายงานมีพัฒนาการของตัวเองที่กำหนดเองโซลูชั่น ที่รัท U , pracsys ciled โดยใช้ " graspit " แพคเกจซอฟต์แวร์ ( 23 ) สำหรับรุ่นโลภ poses สำหรับ 3-finger robotiq มือ เมื่อถูกถามว่า " คุณใช้ dynamin ik Solver ? " ร้อยละ 32 ของทีมตอบใน affurative 60% เลือก " ไม่ " และ 8 % ( 2 ) เลือก " ไม่รู้ " Software packages used bg the teams include the " Rigid Body Dynamics Library"(RBDL)(24), In terms of perception alogorithems,67% of the teams (16) reported using object color and histogrm data,46%(11) used gcometrical features from 3D information,42%(10) matched image fcatures to those stured in a model,33%(8) matched 3D percoption data to a stored 3D model, and 17%(4) used geounctrical features from 2D information(Figere 4) As for the sofware used, 75% (18) of the teams used the "Point Cloud Library" (PCL).(6).67%(16) used the "Open Computer Vision Library" (OpenCV)(7),and 33%(8) report using their"own" tools (Figure5).Other mentions (once each) include,"Object Rocogoltion Kirchen"(ORK)(8)."SDS"(9)"Linornod"(10)"Eclo"(11) and "Scikil tea M " ( 12 ) เป็น wcit เป็นซอฟต์แวร์โปร prictary โดยหุ่นยนต์ capsen ( ที่ใช้โดยทีมงานด้วย )ดูข้อมูลเพิ่มเติม closely.we สังเกตความหลากหลายขนาดใหญ่ของวิธีการในขณะที่ยังสังเกตแนวโน้มบางอย่าง conmon เรา naalyzed ตอบคําถาม " ช่วยอธิบาย in3-4senfencws thw " วิธีการ percrption . 4 ทีม ( 4 ) ระบุว่าพวกเขาใช้เฉพาะสี และการหาข้อมูลเพื่อระบุวัตถุสองทีม ( 2 ) เท่านั้นที่ใช้คุณลักษณะการตรวจหา เช่น ร่อน ( 13 ) , และอีกสองทีม ( 2 ) อาศัยเฉพาะในการจับคู่ 3 มิติการรับรู้ afainst 3D modcls เก็บไว้ในฐานข้อมูล ( 14 ) กับหนึ่งในสามของทีม อาศัยเพียงหนึ่งชั้นเรียนของ aigorithms ส่วนใหญ่ทีมที่เลือกมากกว่าหรือน้อยกว่าที่ซับซ้อนรวมหลังคา สามทีม ( 3 ) รวมภาพสีและข้อมูลด้วย พื้นหลังจุด cloudbased sjubiraction exploiting รู้จักชั้นเรขาคณิต สองทีม ( 2 ) แทนการใช้ข้อมูลสี สำหรับ segentatiin แล้วใช้อีก เมฆจุดสำหรับโพส estimarion . anorher สองทีม ( 2 ) ใช้วัตถุที่รู้จักกัน gcomeury ( จำกัดขนาดกล่อง ) สำหรับการจัดหมวดหมู่ เก้าคำตอบแต่ละรายงาน distinet ผสมสีและ 3D ข้อมูลรวม ( 15 ) , ( 16 ) . ทีมหนึ่งไม่ได้ตอบคำถาม ที่นี่ team-k เป็น appriach เป็นสำคัญในการเลือก identificatiin ธาร์ พวกเขาเท่านั้น ขึ้น objcet ไว้กลับลงในถัง ถ้ามันมันที่ต้องการอย่างใดอย่างหนึ่งในการตอบสนองต่อ questiin " สิ่งที่คุณดา differnily ? " เราระบุสองกลุ่มของ reponses : ผู้ที่ต้องการเสริม thir วิธีการขั้นตอนวิธีและเซ็นเซอร์ พวกเขาไม่ได้ใช้ ( 14 ) และผู้ที่ต้องการที่จะลดความซับซ้อนของวิธีการของพวกเขา ( 6 ) 1 รีมจะไม่ทำการเปลี่ยนแปลงใด ๆและสี่ทีมไม่ได้ตอบสนองต่อ auestion . amonog ผู้ต้องการ ให้ปรับปรุงโดยการเพิ่มฟังก์ชันการรับรู้วัตถุ 3D และ gcometry ( 5 ) , การใช้สีและฮิสโตแกรม informatuon ( 2 ) และใช้