PlaNet-Pick: Effective Cloth Flattening Based on Latent Dynamic Planning

要約

PlaNet などの Recurrent State Space Models がクロス操作タスクで失敗するのはなぜですか?
最近の研究では、これは観測のぼやけた再構成に起因するとされており、潜在空間で直接計画することは困難です。
このホワイト ペーパーでは、PlaNet をピック アンド プレース クロス フラットニング ドメインに適用することによって、この背後にある理由を探ります。
記事の輪郭上の遷移関数の急激な不連続性により、正確な潜在動的モデルの学習が困難になることがわかりました。
トレーニングロスにKLバランスと潜在オーバーシュートを採用し、計画されたピッキング位置を布の最も近い部分に調整することにより、更新されたPlaNet-Pickモデルがシミュレーションで潜在MPCアルゴリズムを使用して最先端のパフォーマンスを達成できることを示します
.

要約(オリジナル)

Why do Recurrent State Space Models such as PlaNet fail at cloth manipulation tasks? Recent work has attributed this to the blurry reconstruction of the observation, which makes it difficult to plan directly in the latent space. This paper explores the reasons behind this by applying PlaNet in the pick-and-place cloth-flattening domain. We find that the sharp discontinuity of the transition function on the contour of the article makes it difficult to learn an accurate latent dynamic model. By adopting KL balancing and latent overshooting in the training loss and adjusting the planned picking position to the closest part of the cloth, we show that the updated PlaNet-Pick model can achieve state-of-the-art performance using latent MPC algorithms in simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google