要約
人間中心の環境で多用途のモバイル操作アクションを実行するには、特殊な使用例を処理できる十分な柔軟性を備えながら、さまざまなロボット システム、タスク、環境に適用できるほど汎用性のある、高度に洗練されたソフトウェア フレームワークが必要です。
この論文では、ヒューマノイドロボットなど自由度の高い複雑なロボットシステムに適用可能な、包括的なメモリ中心、アフォーダンスベース、モジュール式の単一および複数手動による把持および移動操作フレームワークを紹介します。
アフォーダンス、つまりロボットとその環境の相互作用の可能性を通じてモバイル操作アクションを表現することにより、任意の環境における既知および未知の物体の自律的操作プロセスを統合します。
私たちのフレームワークは、ARMAR ヒューマノイド ロボット ファミリのメモリ中心の認知アーキテクチャに統合され、埋め込まれています。
このようにして、ロボットは物理世界と対話できるだけでなく、オブジェクトに関する共通の知識を利用し、操作戦略を学習して適応させることもできます。
既知および未知の物体の把握、物体の配置、2 つの異なるヒューマノイド ロボット プラットフォーム上での半自律的な両手による物体の把握など、実世界の実験におけるフレームワークの適用可能性を実証します。
要約(オリジナル)
Performing versatile mobile manipulation actions in human-centered environments requires highly sophisticated software frameworks that are flexible enough to handle special use cases, yet general enough to be applicable across different robotic systems, tasks, and environments. This paper presents a comprehensive memory-centered, affordance-based, and modular uni- and multi-manual grasping and mobile manipulation framework, applicable to complex robot systems with a high number of degrees of freedom such as humanoid robots. By representing mobile manipulation actions through affordances, i.e., interaction possibilities of the robot with its environment, we unify the autonomous manipulation process for known and unknown objects in arbitrary environments. Our framework is integrated and embedded into the memory-centric cognitive architecture of the ARMAR humanoid robot family. This way, robots can not only interact with the physical world but also use common knowledge about objects, and learn and adapt manipulation strategies. We demonstrate the applicability of the framework in real-world experiments, including grasping known and unknown objects, object placing, and semi-autonomous bimanual grasping of objects on two different humanoid robot platforms.
arxiv情報
| 著者 | Christoph Pohl,Fabian Reister,Fabian Peller-Konrad,Tamim Asfour |
| 発行日 | 2024-01-30 11:05:43+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google