Leveraging Symmetries in Pick and Place

要約

ロボットのピック アンド プレース タスクは、ピックされるオブジェクトと目的の位置姿勢の両方の平行移動と回転の下で対称的です。
たとえば、ピック オブジェクトが回転または平行移動する場合、最適なピック アクションも回転または平行移動する必要があります。
同じことが場所のポーズにも当てはまります。
目的の場所のポーズが変更されると、それに応じて場所のアクションも変更される必要があります。
Transporter Net として知られる最近提案されたピック アンド プレイス フレームワークは、これらの対称性の一部を捉えていますが、すべてではありません。
この論文は、平面ロボットのピック アンド プレイスに存在する対称性を分析的に研究し、すべての対称性を捉える方法で等変ニューラル モデルをトランスポーター ネットに組み込む方法を提案します。
Equivariant Transporter Net と呼ばれる新しいモデルは、ピック アンド プレイス対称性の両方に対して等変であり、ピック アンド プレイスの知識をさまざまなピック アンド プレイス ポーズに即座に一般化できます。
私たちは新しいモデルを経験的に評価し、非対称バージョンよりもサンプル効率がはるかに高いことを示し、その結果、さまざまな模倣学習タスクで人間によるデモをほとんど行わずに、実証されたピックアンドプレイスの動作を模倣できるシステムが得られます。

要約(オリジナル)

Robotic pick and place tasks are symmetric under translations and rotations of both the object to be picked and the desired place pose. For example, if the pick object is rotated or translated, then the optimal pick action should also rotate or translate. The same is true for the place pose; if the desired place pose changes, then the place action should also transform accordingly. A recently proposed pick and place framework known as Transporter Net captures some of these symmetries, but not all. This paper analytically studies the symmetries present in planar robotic pick and place and proposes a method of incorporating equivariant neural models into Transporter Net in a way that captures all symmetries. The new model, which we call Equivariant Transporter Net, is equivariant to both pick and place symmetries and can immediately generalize pick and place knowledge to different pick and place poses. We evaluate the new model empirically and show that it is much more sample efficient than the non-symmetric version, resulting in a system that can imitate demonstrated pick and place behavior using very few human demonstrations on a variety of imitation learning tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google