Adaptive Skill Coordination for Robotic Mobile Manipulation

要約

我々は、適応的スキル調整（Adaptive Skill Coordination: ASC）を発表する。これは、長い見通しのタスク（例えば、移動式ピックアンドプレース（物体へのナビゲート、ピック、別の場所へのナビゲート、プレース、繰り返し）を達成するための手法である。ASCは、(1)基本的な視覚運動スキル（ナビゲーション、ピック、プレース）のライブラリ、(2)どのスキルをいつ使うのが適切かを選択するスキル調整ポリシー、(3)分布外状態が認識されたときに事前に訓練したスキルを適応する矯正ポリシーの3つのコンポーネントから構成されている。ASCのすべてのコンポーネントは、オンボードの視覚と固有感覚のみに依存し、事前に構築された地図や正確なオブジェクトの位置などの特権的な情報へのアクセスはなく、実世界での展開を容易にする。我々はASCを模擬屋内環境で訓練し、Boston Dynamics Spotロボットを用いて2つの新しい実環境にゼロショットで導入した。ASCは、モバイルピッキングアンドプレースにおいて、59/60 (98%)のエピソードで成功し、ほぼ完璧な性能を達成した。一方、スキルを順次実行する場合は、44/60 (73%)のエピソードでしか成功しなかった。また、ハンドオフエラー、環境レイアウトの変化、動的障害物（例：人）、予期せぬ外乱に対して頑健であり、複雑で長周期なタスクに最適なフレームワークとなっています。補足動画はadaptiveskillcoordination.github.ioで公開しています。

要約(オリジナル)

We present Adaptive Skill Coordination (ASC) – an approach for accomplishing long-horizon tasks (e.g., mobile pick-and-place, consisting of navigating to an object, picking it, navigating to another location, placing it, repeating). ASC consists of three components – (1) a library of basic visuomotor skills (navigation, pick, place), (2) a skill coordination policy that chooses which skills are appropriate to use when, and (3) a corrective policy that adapts pre-trained skills when out-of-distribution states are perceived. All components of ASC rely only on onboard visual and proprioceptive sensing, without access to privileged information like pre-built maps or precise object locations, easing real-world deployment. We train ASC in simulated indoor environments, and deploy it zero-shot in two novel real-world environments on the Boston Dynamics Spot robot. ASC achieves near-perfect performance at mobile pick-and-place, succeeding in 59/60 (98%) episodes, while sequentially executing skills succeeds in only 44/60 (73%) episodes. It is robust to hand-off errors, changes in the environment layout, dynamic obstacles (e.g., people), and unexpected disturbances, making it an ideal framework for complex, long-horizon tasks. Supplementary videos available at adaptiveskillcoordination.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL