Planning for Manipulation among Movable Objects: Deciding Which Objects Go Where, in What Order, and How

要約

私たちは、ロボットによって再配置される可能性があり、スライド、傾斜、傾斜、または転倒する可能性のある可動オブジェクト間で、雑然とした限られた 3D ワークスペースでのピック アンド プレース スタイルのロボット操作タスクに関心があります。
最近提案されたアルゴリズム M4M は、この問題の Multi-Agent Pathfinding MAPF 抽象化を解決することにより、どのオブジェクトをどこに移動する必要があるかを判断します。
次に、非把握プッシュ プランナーを使用して、ロボットがこれらの再配置を実現する方法のアクションを計算し、剛体物理シミュレーターを使用して、アクションが問題にエンコードされた物理制約を満たすかどうかを確認します。
ただし、M4M は、計画中に見つかった有効なプッシュに貪欲にコミットし、複数のオブジェクトを再配置する必要がある場合、プッシュよりも順序付けについて理由付けしません。
さらに、M4M は、さまざまな再配置とプッシュにつながる他の可能な MAPF ソリューションについて推論しません。
このホワイト ペーパーでは、M4M を拡張し、Enhanced-M4M (E-M4M) を提示します。これは、再配置が必要な可動オブジェクトのプッシュの順序付けと、シーンのさまざまな可能な再配置を検索する体系的なグラフ検索ベースのソルバーです。
増加した計算の複雑さを回避するためにいくつかのアルゴリズムの最適化を導入し、E-M4M によって解決可能な問題の領域について議論し、実験的に、実際のロボットとシミュレーションの両方で、元の M4M アルゴリズムや他の状態よりも大幅に優れていることを示します。
複雑なシーンを扱う際の最先端の代替手段。

要約(オリジナル)

We are interested in pick-and-place style robot manipulation tasks in cluttered and confined 3D workspaces among movable objects that may be rearranged by the robot and may slide, tilt, lean or topple. A recently proposed algorithm, M4M, determines which objects need to be moved and where by solving a Multi-Agent Pathfinding MAPF abstraction of this problem. It then utilises a nonprehensile push planner to compute actions for how the robot might realise these rearrangements and a rigid body physics simulator to check whether the actions satisfy physics constraints encoded in the problem. However, M4M greedily commits to valid pushes found during planning, and does not reason about orderings over pushes if multiple objects need to be rearranged. Furthermore, M4M does not reason about other possible MAPF solutions that lead to different rearrangements and pushes. In this paper, we extend M4M and present Enhanced-M4M (E-M4M) — a systematic graph search-based solver that searches over orderings of pushes for movable objects that need to be rearranged and different possible rearrangements of the scene. We introduce several algorithmic optimisations to circumvent the increased computational complexity, discuss the space of problems solvable by E-M4M and show that experimentally, both on the real robot and in simulation, it significantly outperforms the original M4M algorithm, as well as other state-of-the-art alternatives when dealing with complex scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google