論文の概要: OPA-Pack: Object-Property-Aware Robotic Bin Packing

• arxiv url: http://arxiv.org/abs/2505.13339v1
• Date: Mon, 19 May 2025 16:48:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.747071
• Title: OPA-Pack: Object-Property-Aware Robotic Bin Packing
• Title（参考訳）: OPA-Pack: オブジェクト指向のロボット用ビンパッケージ
• Authors: Jia-Hui Pan, Yeok Tatt Cheah, Zhengzhe Liu, Ka-Hei Hui, Xiaojie Gao, Pheng-Ann Heng, Yun-Hui Liu, Chi-Wing Fu,
• Abstract要約: 本稿では,ロボットにオブジェクトパッキングを計画する際のオブジェクト特性を考慮した最初のフレームワークであるOPA-Packについて述べる。 また,OPA-Netを定式化し,非互換なオブジェクトペアを分離し,パッキングをコンパクト化しながら脆弱なオブジェクトに対する圧力を低減する。 実験結果から,OPA-Packは非互換なオブジェクトペアの分離精度を大幅に向上し,脆弱なオブジェクトに対する圧力を大幅に低減することがわかった。
• 参考スコア（独自算出の注目度）: 99.93418592774326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic bin packing aids in a wide range of real-world scenarios such as e-commerce and warehouses. Yet, existing works focus mainly on considering the shape of objects to optimize packing compactness and neglect object properties such as fragility, edibility, and chemistry that humans typically consider when packing objects. This paper presents OPA-Pack (Object-Property-Aware Packing framework), the first framework that equips the robot with object property considerations in planning the object packing. Technical-wise, we develop a novel object property recognition scheme with retrieval-augmented generation and chain-of-thought reasoning, and build a dataset with object property annotations for 1,032 everyday objects. Also, we formulate OPA-Net, aiming to jointly separate incompatible object pairs and reduce pressure on fragile objects, while compacting the packing. Further, OPA-Net consists of a property embedding layer to encode the property of candidate objects to be packed, together with a fragility heightmap and an avoidance heightmap to keep track of the packed objects. Then, we design a reward function and adopt a deep Q-learning scheme to train OPA-Net. Experimental results manifest that OPA-Pack greatly improves the accuracy of separating incompatible object pairs (from 52% to 95%) and largely reduces pressure on fragile objects (by 29.4%), while maintaining good packing compactness. Besides, we demonstrate the effectiveness of OPA-Pack on a real packing platform, showcasing its practicality in real-world scenarios.
• Abstract（参考訳）: ロボットの箱詰めは、eコマースや倉庫など、さまざまな現実のシナリオを支援する。 しかし、既存の研究は主に、パッケージングのコンパクトさを最適化するオブジェクトの形状を考えること、そしてパッケージングの時に人間が通常考慮する、脆弱性、適応性、化学といったオブジェクトの特性を無視することに焦点を当てている。 本稿では,オブジェクトパッキング計画において,ロボットにオブジェクト特性を考慮した最初のフレームワークであるOPA-Pack(Object-Property-Aware Packing framework)を提案する。 技術面では,検索拡張生成とチェーンオブ思考推論を併用した新しいオブジェクトプロパティ認識手法を開発し,1,032の日常オブジェクトに対してオブジェクトプロパティアノテーションを用いたデータセットを構築した。 また,OPA-Netを定式化し,非互換なオブジェクトペアを分離し,パッキングをコンパクト化しながら脆弱なオブジェクトに対する圧力を低減する。 さらに、OPA-Netは、パッキング対象のプロパティをエンコードするプロパティ埋め込み層と、パッキング対象の追跡を維持するための脆弱性ハイトマップと回避ハイトマップで構成されている。 そこで我々は報酬関数を設計し,OPA-Netを学習するための深いQ-ラーニング方式を採用する。 実験の結果、OPA-Packは、互換性のないオブジェクトペアを分離する精度(52%から95%)を大幅に改善し、壊れやすいオブジェクトに対する圧力(29.4%)を大幅に低減し、パックのコンパクト性を維持していることがわかった。 さらに,実環境におけるOPA-Packの有効性を示すとともに,実環境におけるOPA-Packの有効性を示す。

関連論文リスト

• Towards Flexible 3D Perception: Object-Centric Occupancy Completion Augments 3D Object Detection [54.78470057491049]
  占領は3Dシーンの知覚に有望な代替手段として現れてきた。 オブジェクトbboxのサプリメントとして,オブジェクト中心の占有率を導入する。 これらの特徴は,最先端の3Dオブジェクト検出器の検出結果を著しく向上させることを示した。
  論文  参考訳（メタデータ） (2024-12-06T16:12:38Z)
• PickScan: Object discovery and reconstruction from handheld interactions [99.99566882133179]
  シーンの3次元表現を再構成する対話誘導型クラス依存型手法を開発した。 我々の主な貢献は、操作対象のインタラクションを検出し、操作対象のマスクを抽出する新しいアプローチである。 相互作用ベースとクラス非依存のベースラインであるCo-Fusionと比較すると、これはシャムファー距離の73%の減少に相当する。
  論文  参考訳（メタデータ） (2024-11-17T23:09:08Z)
• An Object SLAM Framework for Association, Mapping, and High-Level Tasks [12.62957558651032]
  本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点を当てた包括的オブジェクトSLAMフレームワークを提案する。 提案したオブジェクトSLAMフレームワークを効率よく評価するために,さまざまな公開データセットと実世界の結果が使用されている。
  論文  参考訳（メタデータ） (2023-05-12T08:10:14Z)
• Planning Irregular Object Packing via Hierarchical Reinforcement Learning [85.64313062912491]
  本研究では,不規則物体のパッケージングシーケンスと配置を計画するための階層的強化学習手法を提案する。 我々の手法は、不規則なオブジェクトの最先端のパッキング方法よりも、より少ない時間でより多くのオブジェクトをパックできることを示す。
  論文  参考訳（メタデータ） (2022-11-17T07:16:37Z)
• Point-to-Box Network for Accurate Object Detection via Single Point Supervision [51.95993495703855]
  オフ・ザ・シェルフ提案法(OTSP)の軽量な代替手法を提案する。 P2BNetは、アンカーのような方法で提案を生成することで、オブジェクト間のバランスの取れた提案バッグを構築することができる。 コードはCOCO.com/ucas-vg/P2BNetでリリースされる。
  論文  参考訳（メタデータ） (2022-07-14T11:32:00Z)
• SafePicking: Learning Safe Object Extraction via Object-Level Mapping [19.502587411252946]
  本稿では,オブジェクトレベルのマッピングと学習に基づくモーションプランニングを統合したSafePickingを提案する。 計画は、予測されたポーズの観測を受信する深いQネットワークと、動き軌跡を出力する深さに基づく高さマップを学習することによって行われる。 この結果から,ポーズの観察と深度感の融合により,モデルの性能とロバスト性が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-02-11T18:55:10Z)
• ELLIPSDF: Joint Object Pose and Shape Optimization with a Bi-level Ellipsoid and Signed Distance Function Description [9.734266860544663]
  本稿では,関節オブジェクトのポーズと形状最適化のための表現的かつコンパクトなモデルを提案する。 多視点RGB-Dカメラ観測からオブジェクトレベルのマップを推論する。 提案手法は,大規模実世界のScanNetデータセットを用いて評価し,最先端の手法と比較する。
  論文  参考訳（メタデータ） (2021-08-01T03:07:31Z)
• TSDF++: A Multi-Object Formulation for Dynamic Object Tracking and Reconstruction [57.1209039399599]
  我々は,シーン全体とその中のすべてのオブジェクトに対して,単一のボリュームを維持できるマップ表現を提案する。 複数の動的オブジェクト追跡および再構成シナリオにおいて,本表現は,近接して移動する他のオブジェクトによって一時的にオクルードされても,表面の正確な再構成を維持できる。 提案したTSDF++の定式化を公開合成データセット上で評価し,標準のTSDFマップ表現と比較した場合の閉塞面の復元性を示す。
  論文  参考訳（メタデータ） (2021-05-16T16:15:05Z)
• Object-Driven Active Mapping for More Accurate Object Pose Estimation and Robotic Grasping [5.385583891213281]
  このフレームワークは、オブジェクトSLAMシステム上に構築され、同時多目的ポーズ推定プロセスと統合される。 マッピングモジュールと探索戦略を組み合わせることにより、ロボットの把握と互換性のある正確なオブジェクトマップを生成することができる。
  論文  参考訳（メタデータ） (2020-12-03T09:36:55Z)

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。