Effective and Robust Non-Prehensile Manipulation via Persistent Homology Guided Monte-Carlo Tree Search

要約

現実世界のワークスペースでオブジェクトの取得を実行するには、\emph{不確実性} や \emph{乱雑さ} などの課題に取り組む必要があります。
1 つのオプションは、把握可能な操作を適用することですが、非常に乱雑なシナリオでは時間がかかる可能性があります。
一方、複数のオブジェクトを同時に押すなど、把握しにくいアクションは、乱雑なワークスペースをすばやく片付けて、目的のオブジェクトを取得するのに役立ちます。
ただし、このようなアクションは、プッシュ操作の結果を予測することが難しいため、不確実性の増大にもつながる可能性があります。
この研究で提案されたフレームワークは、トポロジー ツールとモンテカルロ ツリー検索 (MCTS) を統合して、オブジェクト検索の効果的かつ堅牢な推進を実現します。
永続的な相同性を採用し、ハイパーパラメータを手動で調整することなく、管理可能なブロックオブジェクトのクラスターを自動的に識別します。
次に、MCTS はこの情報を使用して、オブジェクトのグループをプッシュするための実行可能なアクションを探索し、ターゲットへのパスをクリアするために必要な操作の数を最小限に抑えることを目指します。
Baxter ロボットを使用した現実世界の実験では、動作中に多少のノイズが伴いますが、提案されたフレームワークは、他のフレームワークよりも密集したクラッターの中での検索タスクの解決において高い成功率を達成することが示されています。
さらに、プッシュ操作がほとんどないソリューションが生成され、全体の実行時間が短縮されます。
さらに重要なのは、オフラインで一連のアクションを計画し、それを Baxter ロボット上で確実に実行できるほど堅牢であることです。

要約(オリジナル)

Performing object retrieval in real-world workspaces must tackle challenges including \emph{uncertainty} and \emph{clutter}. One option is to apply prehensile operations, which can be time consuming in highly-cluttered scenarios. On the other hand, non-prehensile actions, such as pushing simultaneously multiple objects, can help to quickly clear a cluttered workspace and retrieve a target object. Such actions, however, can also lead to increased uncertainty as it is difficult to estimate the outcome of pushing operations. The proposed framework in this work integrates topological tools and Monte-Carlo Tree Search (MCTS) to achieve effective and robust pushing for object retrieval. It employs persistent homology to automatically identify manageable clusters of blocking objects without the need for manually adjusting hyper-parameters. Then, MCTS uses this information to explore feasible actions to push groups of objects, aiming to minimize the number of operations needed to clear the path to the target. Real-world experiments using a Baxter robot, which involves some noise in actuation, show that the proposed framework achieves a higher success rate in solving retrieval tasks in dense clutter than alternatives. Moreover, it produces solutions with few pushing actions improving the overall execution time. More critically, it is robust enough that it allows one to plan the sequence of actions offline and then execute them reliably on a Baxter robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google