要約
ロボットの器用さを計画することは、接触、複雑な細かい動き、絶えず変化するシナリオによってもたらされる非滑らかさのため、困難です。
器用なロボット操作のための階層的計画フレームワーク (HiDex) を紹介します。
このフレームワークは、コンタクトを活用することで、手先の器用さと外部の器用さを探ります。
剛体の動きと複雑な接触シーケンスを生成します。
私たちのフレームワークはモンテカルロ木探索に基づいており、次の 3 つのレベルがあります。1) オブジェクトの動きと環境接触モードの計画。
2) ロボットとの接触を計画する。
3) パスの評価と制御の最適化。
このフレームワークには 2 つの主な利点があります。
まず、接触によって作成された高次元の複雑な空間に対する効率的なグローバル推論が可能になります。
本質的 (指を使用する) と外部 (環境も使用する) の両方で、器用さを必要とするさまざまな操作タスクをほとんど数秒で解決します。
第 2 に、私たちのフレームワークにより、専門知識とカスタマイズ可能なセットアップをタスク メカニクスとモデルに組み込むことができます。
さまざまなシナリオやロボットに対応するには、若干の変更が必要です。
したがって、さまざまな操作タスクに対して柔軟で一般化可能なソリューションを提供します。
例として、7 つのハンド構成と 15 のシナリオの結果を分析します。
2 つのロボット プラットフォームで 8 つのタスクをデモンストレーションします。
要約(オリジナル)
Planning robot dexterity is challenging due to the non-smoothness introduced by contacts, intricate fine motions, and ever-changing scenarios. We present a hierarchical planning framework for dexterous robotic manipulation (HiDex). This framework explores in-hand and extrinsic dexterity by leveraging contacts. It generates rigid-body motions and complex contact sequences. Our framework is based on Monte-Carlo Tree Search and has three levels: 1) planning object motions and environment contact modes; 2) planning robot contacts; 3) path evaluation and control optimization. This framework offers two main advantages. First, it allows efficient global reasoning over high-dimensional complex space created by contacts. It solves a diverse set of manipulation tasks that require dexterity, both intrinsic (using the fingers) and extrinsic (also using the environment), mostly in seconds. Second, our framework allows the incorporation of expert knowledge and customizable setups in task mechanics and models. It requires minor modifications to accommodate different scenarios and robots. Hence, it provides a flexible and generalizable solution for various manipulation tasks. As examples, we analyze the results on 7 hand configurations and 15 scenarios. We demonstrate 8 tasks on two robot platforms.
arxiv情報
著者 | Xianyi Cheng,Sarvesh Patil,Zeynep Temel,Oliver Kroemer,Matthew T. Mason |
発行日 | 2023-11-08 17:44:00+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google