SculptDiff: Learning Robotic Clay Sculpting from Humans with Goal Conditioned Diffusion Policy

要約

変形可能なオブジェクトの操作は、状態推定、長期計画、および相互作用によってオブジェクトがどのように変形するかを予測することが難しいため、ロボット工学において依然として課題が残っています。
これらの課題は、3D 変形可能なオブジェクトで最も顕著になります。
私たちは、目標条件付き拡散ベースの模倣学習フレームワークである SculptDiff を提案します。これは、点群状態の観察と連携して、さまざまなターゲット形状の粘土彫刻ポリシーを直接学習します。
私たちの知る限り、これは 3D 変形可能オブジェクトの操作ポリシーの学習に成功した最初の現実世界のメソッドです。
ビデオのスカルプトとデータセットおよびハードウェア CAD モデルへのアクセスについては、プロジェクトの Web サイトをご覧ください: https://sites.google.com/andrew.cmu.edu/imitation-sculpting/home

要約(オリジナル)

Manipulating deformable objects remains a challenge within robotics due to the difficulties of state estimation, long-horizon planning, and predicting how the object will deform given an interaction. These challenges are the most pronounced with 3D deformable objects. We propose SculptDiff, a goal-conditioned diffusion-based imitation learning framework that works with point cloud state observations to directly learn clay sculpting policies for a variety of target shapes. To the best of our knowledge this is the first real-world method that successfully learns manipulation policies for 3D deformable objects. For sculpting videos and access to our dataset and hardware CAD models, see the project website: https://sites.google.com/andrew.cmu.edu/imitation-sculpting/home

arxiv情報

提供元, 利用サービス

arxiv.jp, Google