Multi-Modal Planning on Regrasping for Stable Manipulation

要約

現在では、目に見えない物体であっても掴み姿勢の候補を予測できる掴みアルゴリズムが数多く提案されている。
これにより、ロボットマニピュレータがそのようなオブジェクトをピックアンドプレイスできるようになります。
ただし、ターゲット オブジェクトを安定して持ち上げるための予測された把握ポーズの一部は、ワークスペースの制限により直接アプローチできない場合があります。
このような場合、ロボットは目的の物体をうまく掴めるように再度掴む必要があります。
これには、滑らせる、掴み直す、移すといった一連の連続動作を計画することが含まれます。
このマルチモーダル問題に対処するために、安定した操作に適した位置にオブジェクトを再配置できるマルコフ決定プロセスベースのマルチモーダル プランナーを提案します。
シミュレーションと現実世界の両方でピック アンド プレイス タスクのパフォーマンスが向上していることを実証します。

要約(オリジナル)

Nowadays, a number of grasping algorithms have been proposed, that can predict a candidate of grasp poses, even for unseen objects. This enables a robotic manipulator to pick-and-place such objects. However, some of the predicted grasp poses to stably lift a target object may not be directly approachable due to workspace limitations. In such cases, the robot will need to re-grasp the desired object to enable successful grasping on it. This involves planning a sequence of continuous actions such as sliding, re-grasping, and transferring. To address this multi-modal problem, we propose a Markov-Decision Process-based multi-modal planner that can rearrange the object into a position suitable for stable manipulation. We demonstrate improved performance in both simulation and the real world for pick-and-place tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google