Base Placement Optimization for Coverage Mobile Manipulation Tasks

要約

タイトル：カバレッジモバイルマニピュレーションタスクのためのベース配置最適化

要約：ベース配置最適化（BPO）は、モバイルマニピュレーションの基本能力であり、数十年にわたって研究されています。しかし、いくつかの理由により、まだ非常に困難です。第一に、現在のロボットは人間に比べて非常に柔軟性がなく、そのためにベース配置（BPs）の精度が高くなければなりません。第二に、BPとタスク制約は相互に結合されています。最適なBPは、タスク制約に依存し、BPは逆にタスク制約に影響を与えます。更に厄介なのは、いくつかのタスク制約が柔軟かつ非決定的であることです。第三に、タスクを達成するだけでなく、最適なエネルギー消費と最小実行時間など、他のパフォーマンス指標も考慮する必要があります。本論文では、ワークスペースのスケール状の円盤（SLD）表現を使用して、タスク制約とBPsを分離しました。SLD上で到達可能性を評価し、最適な作業姿勢を取得するために、到達可能性マップ（RM）をオフラインで構築します。カバレッジ、操作性、および時間コストの目的を同時に最適化するために、この論文は、BPOを多目的最適化問題（MOOP）として定式化しています。そのうち、時間最適目的は旅行セールスマン問題（TSP）としてモデル化され、実際の状況により適しています。進化的手法を使用してMOOPを解決します。また、候補のBPsに対して衝突検出を行い、BPOからの解決策を特定の与えられたタスクに応じてより微修正します。最後に、提案された方法を使用して、実世界のトイレカバレッジクリーニングタスクを解決します。実験結果から、最適化されたBPsはタスクのカバレッジと効率を大幅に改善することができます。

要約(オリジナル)

Base placement optimization (BPO) is a fundamental capability for mobile manipulation and has been researched for decades. However, it is still very challenging for some reasons. First, compared with humans, current robots are extremely inflexible, and therefore have higher requirements on the accuracy of base placements (BPs). Second, the BP and task constraints are coupled with each other. The optimal BP depends on the task constraints, and in BP will affect task constraints in turn. More tricky is that some task constraints are flexible and non-deterministic. Third, except for fulfilling tasks, some other performance metrics such as optimal energy consumption and minimal execution time need to be considered, which makes the BPO problem even more complicated. In this paper, a Scale-like disc (SLD) representation of the workspace is used to decouple task constraints and BPs. To evaluate reachability and return optimal working pose over SLDs, a reachability map (RM) is constructed offline. In order to optimize the objectives of coverage, manipulability, and time cost simultaneously, this paper formulates the BPO as a multi-objective optimization problem (MOOP). Among them, the time optimal objective is modeled as a traveling salesman problem (TSP), which is more in line with the actual situation. The evolutionary method is used to solve the MOOP. Besides, to ensure the validity and optimality of the solution, collision detection is performed on the candidate BPs, and solutions from BPO are further fine-tuned according to the specific given task. Finally, the proposed method is used to solve a real-world toilet coverage cleaning task. Experiments show that the optimized BPs can significantly improve the coverage and efficiency of the task.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI