Towards Robotic Tree Manipulation: Leveraging Graph Representations

要約

樹木やブドウの木などの特殊作物との複雑かつ正確な相互作用を必要とする農業作業を自動化することへの関心が高まっています。
ただし、作物操作のためのロボット ソリューションの開発は、変形可能な動作のモデル化に伴う複雑さのため、依然として困難な課題です。
本研究では、接触相互作用下での樹木状作物の変形挙動を学習するためのフレームワークを提案します。
私たちが提案する方法には、スプリングダンパーをモデル化した樹木の状態をグラフとしてエンコードすることが含まれます。
この表現により、グラフ ネットワークを使用して、結果として生じる変形を予測するためのフォワード モデルと、樹木作物を操作するためのアクションを推論するための接触ポリシーの両方を学習できるようになります。
私たちはシミュレートされた環境で一連の包括的な実験を実施し、これまで見たことのない木に対する私たちの方法の一般化可能性を実証します。
ビデオはプロジェクトの Web サイトでご覧いただけます: https://kantor-lab.github.io/tree_gnn

要約(オリジナル)

There is growing interest in automating agricultural tasks that require intricate and precise interaction with specialty crops, such as trees and vines. However, developing robotic solutions for crop manipulation remains a difficult challenge due to complexities involved in modeling their deformable behavior. In this study, we present a framework for learning the deformation behavior of tree-like crops under contact interaction. Our proposed method involves encoding the state of a spring-damper modeled tree crop as a graph. This representation allows us to employ graph networks to learn both a forward model for predicting resulting deformations, and a contact policy for inferring actions to manipulate tree crops. We conduct a comprehensive set of experiments in a simulated environment and demonstrate generalizability of our method on previously unseen trees. Videos can be found on the project website: https://kantor-lab.github.io/tree_gnn

arxiv情報

提供元, 利用サービス

arxiv.jp, Google