論文の概要: Efficient State Abstraction using Object-centered Predicates for
Manipulation Planning
- arxiv url: http://arxiv.org/abs/2007.08251v1
- Date: Thu, 16 Jul 2020 10:52:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 23:53:13.976753
- Title: Efficient State Abstraction using Object-centered Predicates for
Manipulation Planning
- Title(参考訳): 操作計画のためのオブジェクト指向述語を用いた効率的な状態抽象化
- Authors: Alejandro Agostini, Dongheui Lee
- Abstract要約: 本稿では,より広い構成空間の変化を特徴付けるオブジェクト中心表現を提案する。
この表現に基づいて、幾何学的および力的整合性を持つ計画の生成を可能にする行動の選択と配置のための普遍的な計画演算子を定義する。
- 参考スコア(独自算出の注目度): 86.24148040040885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The definition of symbolic descriptions that consistently represent relevant
geometrical aspects in manipulation tasks is a challenging problem that has
received little attention in the robotic community. This definition is usually
done from an observer perspective of a finite set of object relations and
orientations that only satisfy geometrical constraints to execute experiments
in laboratory conditions. This restricts the possible changes with manipulation
actions in the object configuration space to those compatible with that
particular external reference definitions, which greatly limits the spectrum of
possible manipulations. To tackle these limitations we propose an
object-centered representation that permits characterizing a much wider set of
possible changes in configuration spaces than the traditional observer
perspective counterpart. Based on this representation, we define universal
planning operators for picking and placing actions that permits generating
plans with geometric and force consistency in manipulation tasks. This
object-centered description is directly obtained from the poses and bounding
boxes of objects using a novel learning mechanisms that permits generating
signal-symbols relations without the need of handcrafting these relations for
each particular scenario.
- Abstract(参考訳): 操作タスクにおける幾何学的側面を一貫して表現する象徴的記述の定義は、ロボットコミュニティでほとんど注目を集めていない難しい問題である。
この定義は通常、実験室で実験を行うための幾何学的制約のみを満たす有限の対象関係と向きの集合の観測者の視点から行われる。
これにより、オブジェクト設定空間における操作アクションで可能な変更は、特定の外部参照定義と互換性のあるものに制限され、可能な操作のスペクトルは大きく制限される。
これらの制限に対処するために、従来のオブザーバ・パースペクティブよりもはるかに広い構成空間の変化を特徴付けるオブジェクト中心表現を提案する。
この表現に基づいて、操作タスクにおける幾何的および力的整合性を持つ計画を生成するための行動の選択と配置のための普遍的な計画演算子を定義する。
このオブジェクト中心記述は、特定のシナリオごとにこれらの関係を手作りすることなく、信号-シンボル関係を生成することができる新しい学習機構を用いて、オブジェクトのポーズおよびバウンディングボックスから直接得られる。
関連論文リスト
- Unified Task and Motion Planning using Object-centric Abstractions of
Motion Constraints [56.283944756315066]
本稿では,タスクとモーションプランニングを一つの検索に統一するTAMP手法を提案する。
我々のアプローチは、オフザシェルフAIサーチの計算効率を活用して、物理的に実現可能な計画が得られるような、オブジェクト中心の動作制約の抽象化に基づいている。
論文 参考訳(メタデータ) (2023-12-29T14:00:20Z) - Object-Centric Conformance Alignments with Synchronization (Extended
Version) [63.105872371236636]
対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。
我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
論文 参考訳(メタデータ) (2023-12-13T21:53:32Z) - Learning Type-Generalized Actions for Symbolic Planning [4.670305538969915]
本稿では,与えられた実体階層を用いてシンボル動作を一般化する新しい概念を提案する。
模擬グリッド型キッチン環境において,少数の観測結果から型一般化動作を学習し,新しい状況に一般化できることが示される。
論文 参考訳(メタデータ) (2023-08-09T11:01:46Z) - Neural Constraint Satisfaction: Hierarchical Abstraction for
Combinatorial Generalization in Object Rearrangement [75.9289887536165]
基礎となるエンティティを明らかにするための階層的抽象化手法を提案する。
本研究では,エージェントのモデルにおける実体の状態の介入と,環境中の物体に作用する状態の対応関係を学習する方法を示す。
この対応を利用して、オブジェクトの異なる数や構成に一般化する制御法を開発する。
論文 参考訳(メタデータ) (2023-03-20T18:19:36Z) - Planning with Spatial-Temporal Abstraction from Point Clouds for
Deformable Object Manipulation [64.00292856805865]
空間抽象と時間抽象の両方を組み込んだ空間抽象型PlAnning(PASTA)を提案する。
我々のフレームワークは,高次元の3次元観測を潜時ベクトルの集合にマッピングし,潜時集合表現の上のスキルシーケンスを計画する。
本手法は,実世界のオブジェクト操作を効果的に行うことができることを示す。
論文 参考訳(メタデータ) (2022-10-27T19:57:04Z) - Imitation of Manipulation Skills Using Multiple Geometries [20.21868546298435]
本稿では,座標系の辞書から最適表現を抽出し,観測された動きを表現する学習手法を提案する。
本研究では,シミュレーションおよび7軸フランカ・エミカロボットのグリーピングおよびボックスオープニングタスクに適用する。
論文 参考訳(メタデータ) (2022-03-02T15:19:33Z) - Provably Efficient Causal Model-Based Reinforcement Learning for
Systematic Generalization [30.456180468318305]
逐次的意思決定設定では、エージェントは、おそらく無限の、大きな環境の集合に対して体系的な一般化を達成することを目的としている。
本稿では,因果的視点を用いた体系的一般化の抽出可能な定式化について述べる。
特定の構造的仮定の下では、望まざる計画誤差を避けられない準最適項まで保証する単純な学習アルゴリズムを提供する。
論文 参考訳(メタデータ) (2022-02-14T08:34:51Z) - SORNet: Spatial Object-Centric Representations for Sequential
Manipulation [39.88239245446054]
シーケンシャルな操作タスクでは、ロボットが環境の状態を認識し、望ましい目標状態につながる一連のアクションを計画する必要がある。
本研究では,対象対象の標準視に基づくRGB画像からオブジェクト中心表現を抽出するSORNetを提案する。
論文 参考訳(メタデータ) (2021-09-08T19:36:29Z) - SIMONe: View-Invariant, Temporally-Abstracted Object Representations via
Unsupervised Video Decomposition [69.90530987240899]
この問題に対して教師なしの変分法を提案する。
我々のモデルは、RGBビデオ入力のみから2組の潜在表現を推論することを学ぶ。
これは、視点に依存しないアロセントリックな方法でオブジェクト属性を表現する。
論文 参考訳(メタデータ) (2021-06-07T17:59:23Z)
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。