TransGraspNet: 물리적 및 기하학적 일관성을 갖춘 투명 실험 용기 조작

TransGraspNet: Physically and Geometrically Consistent Manipulation of Transparent Labware

투명한 액체 용기를 조작하는 것은 안전과 직결된 문제입니다. 작은 기하학적 오류라도 불안정한 그립을 유발하고 위험한 흘림 사고를 일으킬 수 있습니다. 최근 투명 물체 인식 및 로봇 그리핑 기술이 발전했지만, 대부분의 기존 시스템은 객체 검출, 깊이 재구성, 그리핑 계획을 독립적으로 최적화하여 단계 간 일관성이 부족합니다. 이러한 불일치는 부정확한 경계로 인한 깊이 왜곡, 표면 왜곡으로 인한 법선 벡터 추정 오류, 그리고 특정 작업에 국한되지 않은 그리핑 점수 산출 방식으로 인해 기울어지거나 중심에서 벗어난 그리핑을 유발하여 동적 움직임 하에서 실패할 수 있습니다. 본 논문에서는 인식 단계부터 실행 단계까지 일관성을 명시적으로 강화하는 기하학-물리학 기반 프레임워크인 TransGraspNet을 제안합니다. 이는 세 가지 핵심 원칙, 즉 경계 일관성(구조적으로 신뢰할 수 있는 객체 윤곽선 제공), 표면 일관성(깊이 재구성 과정에서 기하학적 정확성과 표면 법선 벡터 정확도 유지), 그리고 물리학적 일관성(중심점 정렬 및 렌치 공간 안정성을 활용하여 안정적인 그리핑 선택)을 통해 구현됩니다. 우리는 TransGraspNet을 공개 데이터셋, 전용 투명 용기 데이터셋, 그리고 실제 로봇 플랫폼에서 평가했습니다. 결과는 향상된 경계 품질과 표면 법선 벡터 정확도를 보여주며, 복잡한 투명 환경에서의 강력한 작업 성능을 입증합니다. 더욱 중요한 점은 제안하는 시스템이 실제 환경에서도 안정적으로 작동하며, 특히 혼잡한 환경에서의 높은 그리핑 성공률과 고속 액체 운송 시의 유수(zero spillage)를 달성하여 본 방법론의 효과성을 강조합니다.

Manipulating transparent laboratory glassware that contains liquid is inherently safety-critical: even small geometric errors can cause unstable grasps and hazardous spillage. Although recent progress has been made in transparent object perception and robotic grasping, most existing systems optimize detection, depth reconstruction, and grasp planning independently, which leads to cross-stage inconsistency imperfect boundaries induce depth bleeding, distorted surfaces corrupt normal estimation, and task agnostic grasp scoring yields tilted or off-center grasps that fail under dynamic motion. In this paper, we propose TransGraspNet, a geometry physics consistent framework that explicitly enforces consistency from perception to execution through three coupled principles: boundary consistency to produce structurally reliable object contours as downstream priors, surface consistency to preserve geometric fidelity and surface normal accuracy during depth reconstruction, and physics consistency to refine grasp selection with centroid alignment and wrench-space stability for upright and dynamically robust manipulation. We evaluate TransGraspNet on public benchmarks, a dedicated transparent glassware dataset, and a real robotic platform. The results show improved boundary quality and surface normal fidelity, and demonstrate strong task-level performance in cluttered transparent scenes. Most importantly, the proposed system achieves reliable real-world operation, including high grasp success rates in clutter and zero spillage during high speed liquid transport, highlighting the effectiveness of our method.