Learning Sequential Acquisition Policies for Robot-Assisted Feeding

要約

食事補助を行うロボットは、さまざまな食品を持ち上げて給餌するために、さまざまな器具を使った特殊な操作を実行する必要があります。
これらの器用な低レベルのスキルに加えて、支援ロボットは、皿を片付けて食事を完了するために、長い期間にわたってこれらの戦略を順番に計画する必要もあります。
ロボット支援給餌のこれまでの方法では、食品を扱うための高度に特殊化されたプリミティブが導入されており、それらを一緒に構成する手段がありませんでした。
一方、長期的な操作に対する既存のアプローチには、高度に特殊化されたプリミティブをフレームワークに組み込む柔軟性がありません。
私たちは、長期的な食料獲得のためのフレームワークである Visual Action Planning OveR Sequences (VAPORS) を提案します。
VAPORS は、シミュレーションで学習した潜在プレートのダイナミクスを活用することで、高レベルのアクション選択のポリシーを学習します。
現実世界で逐次計画を実行するために、VAPORS はアクションの実行を視覚的にパラメータ化されたプリミティブに委任します。
ヌードルの取得とジェリービーンズの両手すくいを含む、複雑な現実世界の取得試験に対するアプローチを検証します。
49 人を対象に実施した調査では、38 のプレートにわたって、VAPORS はベースラインよりもはるかに効率的に栄養を摂取し、トッピングやソースなどの現実的なプレートのバリエーション全体で一般化され、ユーザーの食事の好みに定性的に訴えかけています。
コード、データセット、ビデオ、補足資料は、当社の Web サイト https://sites.google.com/view/vaporsbot でご覧いただけます。

要約(オリジナル)

A robot providing mealtime assistance must perform specialized maneuvers with various utensils in order to pick up and feed a range of food items. Beyond these dexterous low-level skills, an assistive robot must also plan these strategies in sequence over a long horizon to clear a plate and complete a meal. Previous methods in robot-assisted feeding introduce highly specialized primitives for food handling without a means to compose them together. Meanwhile, existing approaches to long-horizon manipulation lack the flexibility to embed highly specialized primitives into their frameworks. We propose Visual Action Planning OveR Sequences (VAPORS), a framework for long-horizon food acquisition. VAPORS learns a policy for high-level action selection by leveraging learned latent plate dynamics in simulation. To carry out sequential plans in the real world, VAPORS delegates action execution to visually parameterized primitives. We validate our approach on complex real-world acquisition trials involving noodle acquisition and bimanual scooping of jelly beans. Across 38 plates, VAPORS acquires much more efficiently than baselines, generalizes across realistic plate variations such as toppings and sauces, and qualitatively appeals to user feeding preferences in a survey conducted across 49 individuals. Code, datasets, videos, and supplementary materials can be found on our website: https://sites.google.com/view/vaporsbot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google