要約
既製のコンポーネントを使用して構築された車のようなロボット プッシャーのチームを使用して、一連のオブジェクトを再配置する問題に焦点を当てます。
狭いスペースでの衝突を回避しながら、押されたオブジェクトの制御を維持するには、制約のあるハードウェアで実行するのが困難な、高度に調整されたモーションが必要です。
集中型の再計画アプローチは、小規模な問題でも扱いにくくなりますが、分散型のアプローチはしばしばデッドロックに陥ります。
私たちの重要な洞察は、プッシュ タスクをロボットに慎重に割り当てることで、再配置タスクの複雑さを軽減し、スケーラブルな分散制御によって堅牢なパフォーマンスを実現できるということです。
この洞察に基づいて、プッシュタスクと軌跡をオフラインでロボットに最適に割り当て、オンラインで分散制御を介して軌跡追跡を実行するシステムである PuSHR を構築しました。
シミュレーションでのアブレーション研究を通じて、PuSHR が、最大 4 台のロボットを使用した困難なタスク全体の成功率と時間効率の点で、純粋な分散型から完全な分散型までの範囲のベースラインを支配することを示しています。
ハードウェア実験は、システムを現実の世界に移すことを実証し、モデルの不正確さに対するその堅牢性を強調しています。
私たちのコードは https://github.com/prl-mushr/pushr にあり、実験のビデオは https://youtu.be/DIWmZerF_O8 にあります。
要約(オリジナル)
We focus on the problem of rearranging a set of objects with a team of car-like robot pushers built using off-the-shelf components. Maintaining control of pushed objects while avoiding collisions in a tight space demands highly coordinated motion that is challenging to execute on constrained hardware. Centralized replanning approaches become intractable even for small-sized problems whereas decentralized approaches often get stuck in deadlocks. Our key insight is that by carefully assigning pushing tasks to robots, we could reduce the complexity of the rearrangement task, enabling robust performance via scalable decentralized control. Based on this insight, we built PuSHR, a system that optimally assigns pushing tasks and trajectories to robots offline, and performs trajectory tracking via decentralized control online. Through an ablation study in simulation, we demonstrate that PuSHR dominates baselines ranging from purely decentralized to fully decentralized in terms of success rate and time efficiency across challenging tasks with up to 4 robots. Hardware experiments demonstrate the transfer of our system to the real world and highlight its robustness to model inaccuracies. Our code can be found at https://github.com/prl-mushr/pushr, and videos from our experiments at https://youtu.be/DIWmZerF_O8.
arxiv情報
| 著者 | Sidharth Talia,Arnav Thareja,Christoforos Mavrogiannis,Matt Schmittle,Siddhartha S. Srinivasa |
| 発行日 | 2023-03-02 17:31:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google