論文の概要: Lazy Rearrangement Planning in Confined Spaces

• arxiv url: http://arxiv.org/abs/2203.10379v1
• Date: Sat, 19 Mar 2022 18:59:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 18:09:47.948492
• Title: Lazy Rearrangement Planning in Confined Spaces
• Title（参考訳）: 制約空間における遅延再配置計画
• Authors: Rui Wang, Kai Gao, Jingjin Yu, Kostas Bekris
• Abstract要約: この研究は、閉じ込められた空間におけるオブジェクト再構成のための遅延評価フレームワークを導入する。 局所単調解法を改良し、一般の非単調の場合は高品質なプランナーに拡張する。 非単調なインスタンスでは、平均して1.8のアクションしか必要としない、というような高品質なソリューションを実現する。
• 参考スコア（独自算出の注目度）: 14.38087412920014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object rearrangement is important for many applications but remains challenging, especially in confined spaces, such as shelves, where objects cannot be easily accessed from above and they block reachability to each other. Such constraints require many motion planning and collision checking calls, which are computationally expensive. In addition, the arrangement space (space of possible object placements) grows exponentially with the number of objects. To address these issues, this work introduces a lazy evaluation framework for object rearrangement in confined spaces. It improves upon a local monotone solver, which extends to a high-quality planner for the general, non-monotone case. Monotone instances are those that can be solved by moving each object at most once. A key insight is that reachability constraints at the grasps for objects' starts and goals can quickly reveal dependencies between objects without having to execute expensive motion planning queries. The local solver builds lazily a search tree that respects these reachability constraints without verifying that the arm paths are collision free. It only collision checks when a promising solution is found given grasp reachability. If a monotone solution is not found, the non-monotone planner loads the lazy search tree and explores ways to move objects to intermediate locations from where monotone solutions to the goal can be found. The non-monotone planner also applies lazy evaluation to minimize collision checking. Comprehensive simulations and robot demonstrations show that the proposed framework can solve difficult instances in confined spaces with up to 16 objects, which state-of-the-art methods fail to solve. It also achieves high-quality solutions, i.e., only 1.8 additional actions on average are needed for non-monotone instances. It also solves problems faster than alternatives, when the alternatives find a solution.
• Abstract（参考訳）: オブジェクトの再配置は、多くのアプリケーションにとって重要であるが、特に棚のような狭い空間では、オブジェクトが上から簡単にアクセスできなくなり、互いにリーチビリティを阻害する。 このような制約は、多くの動作計画と衝突チェックコールを必要とし、計算コストがかかる。 さらに、配置空間(可能な対象配置の空間)はオブジェクトの数で指数関数的に増加する。 これらの問題に対処するために、この研究は、限定空間におけるオブジェクト再構成のための遅延評価フレームワークを導入する。 局所単調解法を改良し、一般の非単調の場合は高品質なプランナーに拡張する。 モノトンインスタンスは、各オブジェクトを一度だけ移動することで解決できる。 重要な洞察は、オブジェクトの開始と目標に対する到達可能性の制約は、高価なモーションプランニングクエリを実行する必要なしに、オブジェクト間の依存関係を素早く明らかにできるということである。 ローカルソルバは、アームパスが衝突しないことを検証せずに、これらの到達可能性制約を尊重する探索木を怠慢に構築する。 有望な解が到達可能な場合にのみ衝突チェックを行う。 モノトーンソリューションが見つからない場合、非モノトーンプランナーは遅延探索木をロードし、モノトーンソリューションがゴールに見つかる場所から中間の場所へオブジェクトを移動する方法を探索する。 非単調プランナーは衝突チェックを最小限に抑えるために遅延評価も施す。 包括的シミュレーションとロボットのデモンストレーションにより、提案手法は最大16個のオブジェクトで閉じた空間の難しいインスタンスを解決できることが示されている。 また、非単調なインスタンスでは平均1.8のアクションしか必要とせず、高品質なソリューションも実現している。 また、代替案が解決策を見つけるとき、代替案よりも早く問題を解決する。

関連論文リスト

• Object-Centric Multiple Object Tracking [124.30650395969126]
  本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。 オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。 オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
  論文  参考訳（メタデータ） (2023-09-01T03:34:12Z)
• Language-Conditioned Path Planning [68.13248140217222]
  LACO(Language-Conditioned Collision Functions)は、単一ビューイメージ、言語プロンプト、ロボット構成のみを使用して衝突関数を学習する。 LACOはロボットと環境の衝突を予測し、オブジェクトアノテーション、ポイントクラウドデータ、地平線オブジェクトメッシュを必要とせずに、柔軟な条件付きパス計画を可能にする。 シミュレーションと実世界の両方において、LACOは衝突を禁止せず、衝突の安全な物体との相互作用を可能にする複雑な、ニュアンスのある経路計画を促進することを実証している。
  論文  参考訳（メタデータ） (2023-08-31T17:56:13Z)
• 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)
• MultiZenoTravel: a Tunable Benchmark for Multi-Objective Planning with Known Pareto Front [71.19090689055054]
  多目的AI計画では、既知のPareto Frontsを示すベンチマークが不足している。 提案するベンチマーク生成器と専用ソルバは、結果のインスタンスの真のParetoを確実に計算する。 本稿では,制約された問題に対して最適な計画を示すとともに,制約された問題に対する一般的な問題を減らす方法を示す。
  論文  参考訳（メタデータ） (2023-04-28T07:09:23Z)
• Online Tool Selection with Learned Grasp Prediction Models [15.915410623440875]
  深層学習に基づく把握予測モデルは、ロボットビンピッキングシステムの業界標準となっている。 ピックの成功を最大化するために、生産環境は、しばしばターゲットオブジェクトに基づいて、オンザフライで交換できるいくつかのエンドエフェクタツールを備えている。 システムスループットを改善するために、グリップの順序、およびそれに対応するツール変更アクションをどのように選択するかを示す。
  論文  参考訳（メタデータ） (2023-02-15T20:52:38Z)
• Effective Baselines for Multiple Object Rearrangement Planning in Partially Observable Mapped Environments [5.32429768581469]
  本研究の目的は, 自家用知的エージェントが部分観測可能性の下で効率的に再配置を計画できるようにすることである。 本研究では, モノリシック・モジュール型深層強化学習(DRL)法について検討した。 モノリシックDRL法は多目的再配置に必要な長期計画では成功しない。 また、再配置が必要なオブジェクトが環境に均一に分散されている場合、我々の欲張りのあるモジュラーエージェントは経験的に最適であることを示す。
  論文  参考訳（メタデータ） (2023-01-24T08:03:34Z)
• A Contextual Bandit Approach for Learning to Plan in Environments with Probabilistic Goal Configurations [20.15854546504947]
  本研究では,静的なオブジェクトだけでなく可動なオブジェクトに対しても,屋内環境を効率的に探索できるオブジェクトナビのためのモジュラーフレームワークを提案する。 我々は,不確実性に直面した場合の楽観性を示すことにより,環境を効率的に探索する。 提案アルゴリズムを2つのシミュレーション環境と実世界の環境で評価し,高いサンプル効率と信頼性を示す。
  論文  参考訳（メタデータ） (2022-11-29T15:48:54Z)
• Brick-by-Brick: Combinatorial Construction with Deep Reinforcement Learning [52.85981207514049]
  我々は,ユニットプリミティブを逐次組み立てるビルディングエージェントを必要とする,新しい定式化,複雑な構成を導入する。 対象物を構築するために,エージェントに対して正確な情報や明示的な情報ではなく,所望の目標(すなわち2次元画像)に関する不完全な知識を提供する。 提案手法は,対象オブジェクトの1つの画像や複数ビューに条件付けされた未確認オブジェクトの構築に成功していることを示す。
  論文  参考訳（メタデータ） (2021-10-29T01:09:51Z)
• Efficient and High-quality Prehensile Rearrangement in Cluttered and Confined Spaces [16.745331954312775]
  この研究は、タスク完了にそのような相互作用が不可欠であり、再配置計画における最先端の結果を拡張する問題に焦点を当てる。 モノトンインスタンスの一般的な制約の下で、各オブジェクトを最大1回移動させることで解決できる、新しい効率的で完全な解法を提案する。 新しいモノトンソルバはグローバルプランナーと統合され、高品質なソリューションで非モノトンインスタンスを高速に解決する。
  論文  参考訳（メタデータ） (2021-10-06T14:42:21Z)
• Uniform Object Rearrangement: From Complete Monotone Primitives to Efficient Non-Monotone Informed Search [16.361608890275622]
  本研究では,ロボットと物体の衝突は発生しないが,物体と物体の衝突は避けなければならない,一様物体を再構成するアルゴリズム構造について検討する。 構成空間の効率的な計算可能な分解は、等価な衝突可能性の連続経路を全て分類する「領域グラフ」を作成するために用いられる。 実験により、提案手法は、単調でないインスタンスに挑戦しても、高い成功率で最適に近い経路を返すことを示した。
  論文  参考訳（メタデータ） (2021-01-28T19:22:39Z)
• Instance-aware, Context-focused, and Memory-efficient Weakly Supervised Object Detection [184.563345153682]
  我々は、弱教師付き学習のためのインスタンス認識とコンテキスト重視の統合フレームワークを開発する。 メモリ効率の高いシーケンシャルバッチバックプロパゲーションを考案しながら、インスタンス対応の自己学習アルゴリズムと学習可能なコンクリートドロップブロックを採用している。 提案手法はCOCO(12.1% AP$、24.8% AP_50$)、VOC 2007(54.9% AP$)、VOC 2012(52.1% AP$)の最先端結果である。
  論文  参考訳（メタデータ） (2020-04-09T17:57:09Z)

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。