論文の概要: Human-like Planning for Reaching in Cluttered Environments
- arxiv url: http://arxiv.org/abs/2002.12738v2
- Date: Tue, 3 Mar 2020 22:23:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 02:49:27.883494
- Title: Human-like Planning for Reaching in Cluttered Environments
- Title（参考訳）: クラッタ環境におけるリーチ計画
- Authors: Mohamed Hasan, Matthew Warburton, Wisdom C. Agboh, Mehmet R. Dogar,
Matteo Leonetti, He Wang, Faisal Mushtaq, Mark Mon-Williams and Anthony G.
Cohn
- Abstract要約: 人間は、散らかった環境でオブジェクトに手を伸ばすのに驚くほど適しています。
我々は、人間の高度な操作計画を特定し、これらのスキルをロボットプランナーに転送する。
人間のようなプランナーは、最先端の標準軌道最適化アルゴリズムよりも優れていた。
- 参考スコア（独自算出の注目度）: 11.55532557594561
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans, in comparison to robots, are remarkably adept at reaching for objects
in cluttered environments. The best existing robot planners are based on random
sampling of configuration space -- which becomes excessively high-dimensional
with large number of objects. Consequently, most planners often fail to
efficiently find object manipulation plans in such environments. We addressed
this problem by identifying high-level manipulation plans in humans, and
transferring these skills to robot planners. We used virtual reality to capture
human participants reaching for a target object on a tabletop cluttered with
obstacles. From this, we devised a qualitative representation of the task space
to abstract the decision making, irrespective of the number of obstacles. Based
on this representation, human demonstrations were segmented and used to train
decision classifiers. Using these classifiers, our planner produced a list of
waypoints in task space. These waypoints provided a high-level plan, which
could be transferred to an arbitrary robot model and used to initialise a local
trajectory optimiser. We evaluated this approach through testing on unseen
human VR data, a physics-based robot simulation, and a real robot (dataset and
code are publicly available). We found that the human-like planner outperformed
a state-of-the-art standard trajectory optimisation algorithm, and was able to
generate effective strategies for rapid planning -- irrespective of the number
of obstacles in the environment.
- Abstract（参考訳）: ロボットに比べて人間は、散らかった環境で物体に手を伸ばすのに非常に適している。
既存の最高のロボットプランナーは、構成空間のランダムサンプリングに基づいており、多数のオブジェクトで過度に高次元になる。
その結果、ほとんどのプランナーはそのような環境で効率的にオブジェクト操作計画を見つけるのに失敗する。
そこで我々は,ロボットプランナに高いレベルの操作計画を特定することで,この問題に対処した。
仮想現実(virtual reality, vr)を使って、障害物で散らばったテーブル上のターゲットオブジェクトに手を伸ばす人間の参加者を捉えました。
そこで我々は,障害の数に関係なく,意思決定を抽象化するために,タスク空間の質的な表現を考案した。
この表現に基づいて、人間のデモは分割され、決定分類器の訓練に使用された。
これらの分類器を用いて、我々のプランナーはタスク空間内のウェイポイントのリストを作成しました。
これらのwaypointsは、任意のロボットモデルに転送し、局所軌道最適化を初期化するために使用できる高レベルな計画を提供した。
私たちはこのアプローチを、目に見えない人間のvrデータ、物理ベースのロボットシミュレーション、実際のロボット(データセットとコードは公開されている)のテストを通じて評価した。
人間のようなプランナーは最先端の標準軌道最適化アルゴリズムよりも優れており、環境中の障害物の数に関係なく、迅速な計画のための効果的な戦略を作成できた。
関連論文リスト
- Exploring Robot Trajectory Planning -- A Comparative Analysis of Algorithms And Software Implementations in Dynamic Environments [0.0]
軌道計画はModern & Advanced Roboticsにおいて重要な用語である。
これは、ロボットが時間が経つにつれて、スムーズで実現可能な経路を生成する方法です。
軌道計画は自動車産業ロボット、マニピュレータ、移動ロボットで広く使われている。
論文 参考訳（メタデータ） (2024-07-18T09:30:27Z) - Planning Robot Placement for Object Grasping [5.327052729563043]
物体の摘み取りなどの操作に基づく活動を行う場合、移動ロボットは、実行を成功させる位置で基地を位置決めする必要がある。
この問題に対処するために、顕著なアプローチは、通常、対象のオブジェクトに対する把握ポーズを提供するために、プランナーを高価に把握することに依存する。
そこで我々は,まず環境との衝突を起こさないロボット配置を見つけ,次に最適な配置候補を見出すよう評価する。
論文 参考訳（メタデータ） (2024-05-26T20:57:32Z) - Track2Act: Predicting Point Tracks from Internet Videos enables Diverse Zero-shot Robot Manipulation [65.46610405509338]
Track2Actは、ゴールに基づいて将来のタイムステップで画像内のポイントがどのように動くかを予測する。
これらの2次元トラック予測を用いて、操作対象の剛体変換列を推定し、ロボットのエンドエフェクタのポーズを得る。
学習したトラック予測を残留ポリシーと組み合わせることで、ゼロショットロボットの操作が可能となることを示す。
論文 参考訳（メタデータ） (2024-05-02T17:56:55Z) - Semi-Supervised Active Learning for Semantic Segmentation in Unknown
Environments Using Informative Path Planning [27.460481202195012]
ロボットの視力を改善するために、自己監督的で完全に教師された能動学習手法が出現した。
セマンティックセグメンテーションの半教師付き能動学習のための計画法を提案する。
我々は、モデル不確実性の高い未探索空間のフロンティアに向けて導かれた適応地図ベースのプランナーを活用する。
論文 参考訳（メタデータ） (2023-12-07T16:16:47Z) - AI planning in the imagination: High-level planning on learned abstract
search spaces [68.75684174531962]
我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。
本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
論文 参考訳（メタデータ） (2023-08-16T22:47:16Z) - Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。
本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。
ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
論文 参考訳（メタデータ） (2022-03-31T23:08:20Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - NeRP: Neural Rearrangement Planning for Unknown Objects [49.191284597526]
我々は,多段階のニューラルオブジェクト再構成計画のためのディープラーニングに基づくアプローチであるNeRP(Neural Rearrangement Planning)を提案する。
NeRPは、シミュレーションデータに基づいてトレーニングされ、現実世界に一般化される、これまで見たことのないオブジェクトで動作する。
論文 参考訳（メタデータ） (2021-06-02T17:56:27Z) - A Long Horizon Planning Framework for Manipulating Rigid Pointcloud
Objects [25.428781562909606]
本稿では,剛体物体の操作に伴う長期計画問題の解決のための枠組みを提案する。
提案手法はオブジェクトサブゴールの空間における計画であり,ロボットとオブジェクトの相互作用のダイナミクスに関する推論からプランナーを解放する。
論文 参考訳（メタデータ） (2020-11-16T18:59:33Z) - Task-relevant Representation Learning for Networked Robotic Perception [74.0215744125845]
本稿では,事前学習されたロボット知覚モデルの最終的な目的と協調して設計された感覚データのタスク関連表現を学習するアルゴリズムを提案する。
本アルゴリズムは,ロボットの知覚データを競合する手法の最大11倍まで積極的に圧縮する。
論文 参考訳（メタデータ） (2020-11-06T07:39:08Z) - Autonomous Planning Based on Spatial Concepts to Tidy Up Home
Environments with Service Robots [5.739787445246959]
本研究では,確率的生成モデルのパラメータを学習することにより,対象物の順序や位置を効率的に推定できる新しい計画法を提案する。
このモデルにより、ロボットは、Tidied環境で収集されたマルチモーダルセンサ情報を用いて、オブジェクトと場所の共起確率の分布を学習することができる。
我々は,世界ロボットサミット2018国際ロボティクスコンペティションのTidy Up Hereタスクの条件を再現する実験シミュレーションにより,提案手法の有効性を評価する。
論文 参考訳（メタデータ） (2020-02-10T11:49:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。