論文の概要: Collaborative Navigation and Manipulation of a Cable-towed Load by Multiple Quadrupedal Robots

• arxiv url: http://arxiv.org/abs/2206.14424v1
• Date: Wed, 29 Jun 2022 06:44:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-30 21:01:52.823425
• Title: Collaborative Navigation and Manipulation of a Cable-towed Load by Multiple Quadrupedal Robots
• Title（参考訳）: 複数の四足歩行ロボットによるケーブル牽引荷重の協調航法と操作
• Authors: Chenyu Yang, Guo Ning Sue, Zhongyu Li, Lizhi Yang, Haotian Shen, Yufeng Chi, Akshara Rai, Jun Zeng, Koushil Sreenath
• Abstract要約: 本稿では,ロボットが目標地点にケーブルで荷を引っ張り込み,衝突をリアルタイムに回避するという課題に対処する。 ケーブルの導入(硬いリンクとは対照的に)により、ロボットチームは、ケーブルのスラック/タウトスイッチを通じて本質的な寸法を変更することで、狭い空間を移動できるようになる。 我々は、1つのロボットによって動くには重すぎるケーブル式負荷を、リアルタイムのフィードバックと反応性のある実験計画を備えた狭い空間に移動させることのできる、最初の協調的自律フレームワークを開発し、実証する。
• 参考スコア（独自算出の注目度）: 17.06752611128701
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper tackles the problem of robots collaboratively towing a load with cables to a specified goal location while avoiding collisions in real time. The introduction of cables (as opposed to rigid links) enables the robotic team to travel through narrow spaces by changing its intrinsic dimensions through slack/taut switches of the cable. However, this is a challenging problem because of the hybrid mode switches and the dynamical coupling among multiple robots and the load. Previous attempts at addressing such a problem were performed offline and do not consider avoiding obstacles online. In this paper, we introduce a cascaded planning scheme with a parallelized centralized trajectory optimization that deals with hybrid mode switches. We additionally develop a set of decentralized planners per robot, which enables our approach to solve the problem of collaborative load manipulation online. We develop and demonstrate one of the first collaborative autonomy framework that is able to move a cable-towed load, which is too heavy to move by a single robot, through narrow spaces with real-time feedback and reactive planning in experiments.
• Abstract（参考訳）: 本稿では,ロボットが目標地点にケーブルで荷を引っ張り込み,衝突をリアルタイムに回避するという課題に対処する。 ケーブルの導入(硬いリンクとは対照的に)により、ロボットチームはケーブルのスラック/タウトスイッチを通じて固有の寸法を変更することで狭い空間を移動できる。 しかし、ハイブリッドモードスイッチと複数のロボット間の動的結合と負荷のため、これは難しい問題である。 このような問題に対処する以前の試みはオフラインで行われ、オンライン上の障害を避けることを考慮していない。 本稿では,ハイブリッドモードスイッチを扱う並列化された集中軌道最適化を用いたケースケード計画手法を提案する。 さらに,ロボット毎の分散プランナーのセットを開発し,協調負荷操作の課題をオンライン上で解決する手法を提案する。 我々は,1台のロボットで移動するには重すぎるケーブル牽引荷重を,実時間フィードバックとリアクティブ計画を備えた狭い空間に移動させることのできる,最初の協調型自律型フレームワークの開発と実証を行った。

関連論文リスト

• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Distributing Collaborative Multi-Robot Planning with Gaussian Belief Propagation [13.65857209749568]
  本稿では、動的制約と衝突制約を定義する汎用因子グラフに基づく、新しい純粋分散手法を実証する。 本手法は, 道路交通シミュレーションシナリオにおいて, 極めて高性能な協調計画を可能にすることを示す。
  論文  参考訳（メタデータ） (2022-03-22T11:13:36Z)
• Decentralized Global Connectivity Maintenance for Multi-Robot Navigation: A Reinforcement Learning Approach [12.649986200029717]
  本研究では、接続性を維持しながら、未知の環境でマルチロボットチームをナビゲートする方法を検討する。 複数のロボット間で共有される分散型ポリシーを開発するための強化学習手法を提案する。 接続制約と行動クローニングの異なる組み合わせを比較することで,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-09-17T13:20:19Z)
• Autonomous Navigation of Underactuated Bipedal Robots in Height-Constrained Environments [20.246040671823554]
  本稿では,二足歩行ロボットのためのエンドツーエンドの自律ナビゲーションフレームワークを提案する。 平面歩行と垂直歩行高さの結合力学を捉えるために,垂直移動式Spring-Loaded Inverted Pendulum (vSLIP)モデルを導入した。 可変歩行高さ制御装置を利用して、二足歩行ロボットは、計画された軌跡に従いながら、安定した周期歩行歩行を維持できる。
  論文  参考訳（メタデータ） (2021-09-13T05:36:14Z)
• 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)
• Motion Planning for a Pair of Tethered Robots [16.63034885398417]
  我々は,限られた長さのケーブルで互いに接続する平面ロボットの計画動作の問題に対処する。 ケーブルを介して固定されたベースに繋がる単一のロボットの以前の問題と同様に、直線視認性は重要な役割を担っている。 可視グラフの低減は, 自然な離散化をもたらし, 重要なトポロジ的考察を捉える。
  論文  参考訳（メタデータ） (2021-02-25T22:45:46Z)
• COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing [87.7257446869134]
  一般的なコンタクトリッチな操作問題は、ロボット工学における長年の課題である。 深層強化学習は、ロボット操作タスクの解決に大きな可能性を示している。 動的プロパティのコンテキスト埋め込みをオンラインにエンコードする深層RL法であるCOCOIを提案する。
  論文  参考訳（メタデータ） (2020-11-23T08:20:21Z)

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。