Learning Whole-body Manipulation for Quadrupedal Robot

要約

四足歩行ロボットが全身を使って大きく重い物体を操作できるようにするための学習ベースのシステムを提案します。
私たちのシステムは、インタラクション、固有受容、行動履歴から操作関連情報を取得する深い潜在変数埋め込みを使用する階層制御戦略に基づいており、ロボットがオブジェクトのプロパティを暗黙的に理解できるようにします。
私たちはシミュレーションと現実世界のシナリオの両方でフレームワークを評価します。
シミュレーションでは、0.03 m および 5 {\deg} の許容範囲内で、さまざまなオブジェクトの正確な再位置決めと再方向付けにおいて 93.6 % の成功率を達成しました。
実際の実験では、ロボットの重量が 27 kg である一方で、水を満たした 19.2 kg のドラム缶や重い物体が詰まった 15.3 kg のプラスチック箱などの物体をうまく操作できることが実証されています。
掴み操作を使用して小さくて軽い物体を操作することに焦点を当てた以前の研究とは異なり、私たちのフレームワークは、ロボットの全身では掴むことができない大きくて重い物体を操作するために四足動物を使用する可能性を示しています。
私たちの方法は明示的なオブジェクト モデリングを必要とせず、最適化ベースの方法と比較して大幅な計算効率を提供します。
ビデオは $\href{https://youtu.be/fO_PVr27QxU}{this \ http \ URL}$ でご覧いただけます。

要約(オリジナル)

We propose a learning-based system for enabling quadrupedal robots to manipulate large, heavy objects using their whole body. Our system is based on a hierarchical control strategy that uses the deep latent variable embedding which captures manipulation-relevant information from interactions, proprioception, and action history, allowing the robot to implicitly understand object properties. We evaluate our framework in both simulation and real-world scenarios. In the simulation, it achieves a success rate of 93.6 % in accurately re-positioning and re-orienting various objects within a tolerance of 0.03 m and 5 {\deg}. Real-world experiments demonstrate the successful manipulation of objects such as a 19.2 kg water-filled drum and a 15.3 kg plastic box filled with heavy objects while the robot weighs 27 kg. Unlike previous works that focus on manipulating small and light objects using prehensile manipulation, our framework illustrates the possibility of using quadrupeds for manipulating large and heavy objects that are ungraspable with the robot’s entire body. Our method does not require explicit object modeling and offers significant computational efficiency compared to optimization-based methods. The video can be found at $\href{https://youtu.be/fO_PVr27QxU}{this \ http \ URL}$.

arxiv情報

著者 Seunghun Jeon,Moonkyu Jung,Suyoung Choi,Beomjoon Kim,Jemin Hwangbo
発行日 2023-08-31 15:50:22+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク