[2G6-OS-47c] OS-47

6:15 PM - 6:30 PM JST(9:15 AM - 9:30 AM UTC)

[2G6-OS-47c-04] A Structural Reasoning Model for Grasp Strategy Selection based on Knowledge Graphs

〇Gakuto Furukawa¹, Tetsumi Tomatsu¹, Arisa Ueno², Satoshi Kurihara¹ (1. Faculty of Science and Technology, Keio University, 2. Graduate School of Science and Technology, Keio University)

Keywords:

Cognitive Robotics,Knowledge Graph,Object Grasping,Explainable AI,Knowledge Representation

ロボットによる把持において，幾何的な姿勢推定の精度は向上している一方で，物体の状態や部位に基づく戦略的な把持手法の選択には依然として課題がある．本研究では，物体の意味表現（Object/Part/State）に基づき把持戦略の確率分布を推論するシステムSemantic Grasp Reasoner（SemGR）を提案する．視覚言語モデル（VLM）で画像から抽出した意味情報をシンボルとして知識グラフ（KG）へ入力する推論パイプラインを構成した．KGは33種類の人間による把持手法に基づき構築され，未知物体を含む複数の推論条件に対応する．人間被験者の選択を基準とした評価の結果，基礎実験では人間と整合的な把持戦略分布を生成できることを確認した．また，現実条件の実験ではVLMのノイズに対するロバスト性に加え，未知物体に対しても既知の物体知識を合成することで，妥当な把持戦略をゼロショットで導出できる一般化能力が確認された．本手法は，画像から意味的文脈を考慮した高度な把持戦略を決定する有効な枠組みを提供する．