N$^2$M$^2$: Learning Navigation for Arbitrary Mobile Manipulation Motions in Unseen and Dynamic Environments

要約

産業ロボットとサービスロボットの両方において重要であるにもかかわらず、モバイル操作は、エンドエフェクターの軌道生成とナビゲーションスキルおよび長期にわたる推論をシームレスに統合する必要があるため、依然として大きな課題です。
既存の方法は、大規模な構成空間を制御し、動的で未知の環境をナビゲートするのに苦労しています。
以前の研究では、動きの運動学的実現可能性を考慮して、モバイル操作タスクをタスク空間内のエンドエフェクター用の単純化されたモーションジェネレーターとモバイルベース用の訓練された強化学習エージェントに分解することを提案しました。
この研究では、この分解を複雑な障害物環境に拡張し、現実世界の設定で幅広いタスクに取り組むことができるようにする、モバイル操作のためのニューラル ナビゲーション (N$^2$M$^2$) を紹介します。
その結果得られたアプローチは、動的な障害物や環境の変化に瞬時に反応しながら、未踏の環境で目に見えない長期的なタスクを実行できるようになります。
同時に、新しいモバイル操作タスクを定義する簡単な方法も提供します。
私たちは、運動学的に多様な複数のモバイルマニピュレーターを用いた広範なシミュレーションと実世界の実験で、提案したアプローチの機能を実証します。
コードとビデオは http://mobile-rl.cs.uni-freiburg.de で公開されています。

要約(オリジナル)

Despite its importance in both industrial and service robotics, mobile manipulation remains a significant challenge as it requires a seamless integration of end-effector trajectory generation with navigation skills as well as reasoning over long-horizons. Existing methods struggle to control the large configuration space, and to navigate dynamic and unknown environments. In previous work, we proposed to decompose mobile manipulation tasks into a simplified motion generator for the end-effector in task space and a trained reinforcement learning agent for the mobile base to account for kinematic feasibility of the motion. In this work, we introduce Neural Navigation for Mobile Manipulation (N$^2$M$^2$) which extends this decomposition to complex obstacle environments and enables it to tackle a broad range of tasks in real world settings. The resulting approach can perform unseen, long-horizon tasks in unexplored environments while instantly reacting to dynamic obstacles and environmental changes. At the same time, it provides a simple way to define new mobile manipulation tasks. We demonstrate the capabilities of our proposed approach in extensive simulation and real-world experiments on multiple kinematically diverse mobile manipulators. Code and videos are publicly available at http://mobile-rl.cs.uni-freiburg.de.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google