論文の概要: A Lightweight and Transferable Design for Robust LEGO Manipulation
- arxiv url: http://arxiv.org/abs/2309.02354v3
- Date: Fri, 19 Apr 2024 05:18:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-22 20:26:30.380197
- Title: A Lightweight and Transferable Design for Robust LEGO Manipulation
- Title（参考訳）: ロバストレゴマニピュレーションのための軽量で移動可能な設計法
- Authors: Ruixuan Liu, Yifan Sun, Changliu Liu,
- Abstract要約: 本稿では,安全かつ効率的なロボットレゴ操作について検討する。
エンド・オブ・アーム(End-of-arm)ツール(EOAT)が設計されており、問題の大きさを減らし、大きな産業用ロボットが小さなレゴブロックを操作することができる。
実験により、EOATはレゴブロックを確実に操作でき、学習フレームワークは操作性能を100%の成功率で効果的かつ安全に改善できることが示された。
- 参考スコア（独自算出の注目度）: 10.982854061044339
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lego is a well-known platform for prototyping pixelized objects. However, robotic Lego prototyping (i.e., manipulating Lego bricks) is challenging due to the tight connections and accuracy requirements. This paper investigates safe and efficient robotic Lego manipulation. In particular, this paper reduces the complexity of the manipulation by hardware-software co-design. An end-of-arm tool (EOAT) is designed, which reduces the problem dimension and allows large industrial robots to manipulate small Lego bricks. In addition, this paper uses evolution strategy to optimize the robot motion for Lego manipulation. Experiments demonstrate that the EOAT can reliably manipulate Lego bricks and the learning framework can effectively and safely improve the manipulation performance to a 100% success rate. The co-design is deployed to multiple robots (i.e., FANUC LR-mate 200id/7L and Yaskawa GP4) to demonstrate its generalizability and transferability. In the end, we show that the proposed solution enables sustainable robotic Lego prototyping, in which the robot can repeatedly assemble and disassemble different prototypes.
- Abstract（参考訳）: Legoは、ピクセル化されたオブジェクトをプロトタイピングするための、よく知られたプラットフォームだ。
しかし、ロボットレゴのプロトタイピング(つまりレゴブロックを操作する)は、接続の厳密さと精度の要求により困難である。
本稿では,安全かつ効率的なロボットレゴ操作について検討する。
特に,ハードウェア・ソフトウェア共同設計による操作の複雑さを低減する。
エンド・オブ・アーム(End-of-arm)ツール(EOAT)が設計されており、問題の大きさを減らし、大きな産業用ロボットが小さなレゴブロックを操作することができる。
さらに,レゴ操作のためのロボット動作を最適化するために,進化戦略を用いる。
実験により、EOATはレゴブロックを確実に操作でき、学習フレームワークは操作性能を100%の成功率で効果的かつ安全に改善できることが示された。
共同設計は複数のロボット(FANUC LR-mate 200id/7LとYaskawa GP4)に展開され、その一般化性と伝達性を示す。
最後に,提案手法により,ロボットが様々なプロトタイプを繰り返し組み立て,分解できる,持続可能なロボットレゴプロトタイピングが実現可能であることを示す。
関連論文リスト
- Learning to Build by Building Your Own Instructions [56.734927320020496]
LTRONにおける最近提案されたBreak-and-Make問題に対する新しい手法を開発した。
エージェントは、単一の対話的なセッションを使用して、これまで見えなかったLEGOアセンブリを構築することを学ばなければなりません。
オンラインの模倣学習を使ってこれらのモデルをトレーニングし、モデルが自身のミスから学習できるようにする。
論文 参考訳（メタデータ） (2024-10-01T22:39:58Z) - Blox-Net: Generative Design-for-Robot-Assembly Using VLM Supervision, Physics Simulation, and a Robot with Reset [22.660709957291747]
GDfRA(Generative Design-for-Robot-Assembly)という新しい問題を紹介します。
このタスクは、自然言語のプロンプト(例えば'giraffe')と3Dプリントブロックのような利用可能な物理コンポーネントの画像に基づいてアセンブリを生成する。
本稿では、生成視覚言語モデルとコンピュータビジョン、摂動解析、運動計画、物理ロボット実験の確立した手法を組み合わせたGDfRAシステムであるBlox-Netを提案する。
論文 参考訳（メタデータ） (2024-09-25T17:42:20Z) - BricksRL: A Platform for Democratizing Robotics and Reinforcement Learning Research and Education with LEGO [5.052293146674793]
我々は、強化学習研究と教育のためのロボットへのアクセスを民主化するためのプラットフォームであるBricksRLを紹介する。
BricksRLは、強化学習エージェントのためのTorchRLライブラリと対話することで、現実世界でのカスタムLEGOロボットの作成、設計、訓練を容易にする。
論文 参考訳（メタデータ） (2024-06-25T12:17:44Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Learning Stackable and Skippable LEGO Bricks for Efficient, Reconfigurable, and Variable-Resolution Diffusion Modeling [98.65190562585461]
拡散モデルはフォトリアリスティックな画像を生成するのに優れるが、計算コストは非常に高い。
現在のオプションであるU-NetやVision Transformerはリソース集約型のディープネットワークに依存していることが多い。
本研究は,ローカル・フィーチャー・エンリッチメントとグローバル・コンテント・オーケストレーションをシームレスに統合したLEGOブロックを紹介した。
論文 参考訳（メタデータ） (2023-10-10T07:52:30Z) - WALL-E: Embodied Robotic WAiter Load Lifting with Large Language Model [92.90127398282209]
本稿では,最新のLarge Language Models(LLM)と既存のビジュアルグラウンドとロボットグルーピングシステムを統合する可能性について検討する。
本稿では,この統合の例としてWALL-E (Embodied Robotic WAiter load lifting with Large Language model)を紹介する。
我々は,このLCMを利用したシステムを物理ロボットに展開し,よりユーザフレンドリなインタフェースで指導誘導型把握タスクを実現する。
論文 参考訳（メタデータ） (2023-08-30T11:35:21Z) - Break and Make: Interactive Structural Understanding Using LEGO Bricks [61.01136603613139]
私たちは、LEGOモデルの組み立て、分解、操作が可能な、完全にインタラクティブな3Dシミュレータを構築しました。
シーケンス・ツー・シーケンス・モデルを用いてこの問題を解決するための第一歩を踏み出す。
論文 参考訳（メタデータ） (2022-07-27T18:33:09Z) - Learning Design and Construction with Varying-Sized Materials via
Prioritized Memory Resets [30.993174896902357]
ロボットは、ブループリントなしで、さまざまなサイズのブロックから橋の設計と構築を自律的に学べるだろうか?
ロボットは、ブロックの操作と輸送のために、物理的に安定した設計スキームと実行可能なアクションを見つけなければならない。
本稿では,高レベルの建築指示を提案する強化学習設計者と,低レベルのブロックを操作する動作計画に基づくアクションジェネレータからなる,この問題に対する階層的アプローチを提案する。
論文 参考訳（メタデータ） (2022-04-12T03:45:48Z) - Image2Lego: Customized LEGO Set Generation from Images [50.87935634904456]
2次元画像からLEGOブロックモデルを生成するシステムを実装した。
モデルは3Dボキセル化モデルのブロックへのアルゴリズム変換によって得られる。
我々は、オブジェクトと人間の顔のLEGOモデルのためのステップバイステップのビルド手順とアニメーションを生成します。
論文 参考訳（メタデータ） (2021-08-19T03:42:58Z)
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。