論文の概要: Planning for Complex Non-prehensile Manipulation Among Movable Objects
by Interleaving Multi-Agent Pathfinding and Physics-Based Simulation
- arxiv url: http://arxiv.org/abs/2303.13352v1
- Date: Thu, 23 Mar 2023 15:29:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 13:50:32.827233
- Title: Planning for Complex Non-prehensile Manipulation Among Movable Objects
by Interleaving Multi-Agent Pathfinding and Physics-Based Simulation
- Title（参考訳）: 多エージェントパスフィニングと物理シミュレーションによる移動物体間の複雑な非包括的操作計画
- Authors: Dhruv Mauria Saxena and Maxim Likhachev
- Abstract要約: 重いクラッタにおける現実世界の操作問題は、ロボットが環境内の物体との潜在的な接触を推論する必要がある。
そこで我々は,対象物を棚から取り出すためのピック・アンド・プレイス・スタイルのタスクに焦点を合わせ,そのタスクを解決するために移動可能なオブジェクトを並べ替える必要がある。
特に、我々のモチベーションは、ロボットが複雑なロボットオブジェクトとオブジェクトオブジェクトの相互作用を引き起こす非包括的再配置動作を推論し、検討できるようにすることである。
- 参考スコア（独自算出の注目度）: 23.62057790524675
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-world manipulation problems in heavy clutter require robots to reason
about potential contacts with objects in the environment. We focus on
pick-and-place style tasks to retrieve a target object from a shelf where some
`movable' objects must be rearranged in order to solve the task. In particular,
our motivation is to allow the robot to reason over and consider non-prehensile
rearrangement actions that lead to complex robot-object and object-object
interactions where multiple objects might be moved by the robot simultaneously,
and objects might tilt, lean on each other, or topple. To support this, we
query a physics-based simulator to forward simulate these interaction dynamics
which makes action evaluation during planning computationally very expensive.
To make the planner tractable, we establish a connection between the domain of
Manipulation Among Movable Objects and Multi-Agent Pathfinding that lets us
decompose the problem into two phases our M4M algorithm iterates over. First we
solve a multi-agent planning problem that reasons about the configurations of
movable objects but does not forward simulate a physics model. Next, an arm
motion planning problem is solved that uses a physics-based simulator but does
not search over possible configurations of movable objects. We run simulated
and real-world experiments with the PR2 robot and compare against relevant
baseline algorithms. Our results highlight that M4M generates complex 3D
interactions, and solves at least twice as many problems as the baselines with
competitive performance.
- Abstract（参考訳）: 重いクラッタにおける現実世界の操作問題は、ロボットが環境内の物体との潜在的な接触を推論する必要がある。
我々は,対象物を棚から取り出すためのピック・アンド・プレイススタイルのタスクに焦点を合わせ,そのタスクを解決するために,移動可能なオブジェクトを並べ替える必要がある。
特に、私たちの動機は、ロボットが推論し、複数のオブジェクトが同時にロボットによって動かされ、オブジェクトが傾いたり、互いに傾いたり、あるいはトッププルとなる複雑なロボット-オブジェクト-オブジェクト間インタラクションにつながる、非理解的な再配置アクションを検討することです。
これをサポートするため、これらの相互作用ダイナミクスをシミュレーションするために物理ベースのシミュレータをクエリし、計画中の動作評価を非常に高価にする。
プランナーをトラクタブルにするために、移動物体間の操作領域とマルチエージェントパスフィニングの接続を確立し、この問題をM4Mアルゴリズムが反復する2つのフェーズに分解する。
まず,移動物体の構成を理由とするマルチエージェント計画問題を解くが,物理モデルでは前もってシミュレートしない。
次に、物理に基づくシミュレーターを用いて、可動物体の可能な構成を探索しないアームモーション計画問題を解く。
シミュレーションと実世界の実験をpr2ロボットで行い、関連するベースラインアルゴリズムと比較する。
この結果から,M4Mは複雑な3Dインタラクションを発生し,競合性能のベースラインの少なくとも2倍の問題を解くことがわかった。
関連論文リスト
- Multi-Agent Path Finding with Real Robot Dynamics and Interdependent Tasks for Automated Warehouses [1.2810395420131764]
MAPF(Multi-Agent Path Finding)は、自動倉庫や工場にロボットを配置する際の重要な最適化問題である。
ロボットの群れが各注文の商品を棚からワークステーションに届ける倉庫において、オンラインでの注文配達の現実的な問題を考える。
これにより、相互依存型ピックアップおよびデリバリタスクのストリームが生成され、関連するMAPF問題は、現実的な衝突のないロボット軌道の計算によって構成される。
論文 参考訳（メタデータ） (2024-08-26T15:13:38Z) - RPMArt: Towards Robust Perception and Manipulation for Articulated Objects [56.73978941406907]
本稿では,Articulated Objects (RPMArt) のロバスト知覚と操作のためのフレームワークを提案する。
RPMArtは、調音パラメータを推定し、雑音の多い点雲から調音部分を操作することを学習する。
我々は,シミュレート・トゥ・リアル・トランスファーの能力を高めるための調音認識型分類手法を提案する。
論文 参考訳（メタデータ） (2024-03-24T05:55:39Z) - Dynamic Handover: Throw and Catch with Bimanual Hands [30.206469112964033]
この問題を解決するために、ロボットアームに2本の指を取り付けたシステムを設計する。
シミュレーションにおいてマルチエージェント強化学習を用いてシステムを訓練し、実ロボットにデプロイするためのSim2Real転送を実行する。
Sim2Realのギャップを克服するために、オブジェクトの軌道予測モデルを学ぶことを含む、複数の新しいアルゴリズム設計を提供する。
論文 参考訳（メタデータ） (2023-09-11T17:49:25Z) - Planning for Manipulation among Movable Objects: Deciding Which Objects
Go Where, in What Order, and How [17.498416513944886]
最近提案されたアルゴリズムであるM4Mは、どのオブジェクトを移動する必要があるかを決定し、この問題のマルチエージェントパスフィニングMAPFの抽象化を解く。
我々はM4Mを拡張して、可動オブジェクトに対するプッシュの順序を探索する、グラフ検索に基づく体系的な解法であるEnhanced-M4Mを提示する。
論文 参考訳（メタデータ） (2023-03-23T15:55:19Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Vision-driven Robotic
Grasping via Physics-based Metaverse Synthesis [78.26022688167133]
本稿では,物理に基づくメタバース合成による視覚駆動型ロボットグルーピングのための大規模ベンチマークデータセットを提案する。
提案するデータセットには,10万の画像と25種類のオブジェクトが含まれている。
また,オブジェクト検出とセグメンテーション性能を評価するためのデータセットとともに,新しいレイアウト重み付け性能指標を提案する。
論文 参考訳（メタデータ） (2021-12-29T17:23:24Z) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z) - V-MAO: Generative Modeling for Multi-Arm Manipulation of Articulated
Objects [51.79035249464852]
本稿では,音声による物体のマルチアーム操作を学習するためのフレームワークを提案する。
本フレームワークは,各ロボットアームの剛部上の接触点分布を学習する変動生成モデルを含む。
論文 参考訳（メタデータ） (2021-11-07T02:31:09Z) - Predicting Stable Configurations for Semantic Placement of Novel Objects [37.18437299513799]
我々のゴールは、新しい環境における学習された意味的関係に従って、ロボットが未確認の物体を配置できるようにすることである。
我々は、未知のオブジェクトのセマンティック配置のための計画アルゴリズムと密に統合するために、モデルとトレーニングをゼロから構築する。
提案手法は,RGB-Dセンシングのみによる形状の異なるシーンにおける未知物体のセマンティック・アレンジメントのための動作計画を可能にする。
論文 参考訳（メタデータ） (2021-08-26T23:05:05Z) - The ThreeDWorld Transport Challenge: A Visually Guided Task-and-Motion
Planning Benchmark for Physically Realistic Embodied AI [96.86091264553613]
3Dワールドトランスポートチャレンジと呼ばれる視覚誘導と物理駆動のタスク・アンド・モーション計画ベンチマークを紹介します。
この課題では、シミュレーションされた実家環境において、2つの9-DOF関節アームを備えたエンボディエージェントをランダムに生成する。
エージェントは、家の周りに散在するオブジェクトの小さなセットを見つけ、それらをピックアップし、望ましい最終的な場所に輸送する必要があります。
論文 参考訳（メタデータ） (2021-03-25T17:59:08Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳（メタデータ） (2020-03-19T00:11:34Z)
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。