MAkEable: Memory-centered and Affordance-based Task Execution Framework for Transferable Mobile Manipulation Skills

要約

人間中心の環境で多用途のモバイル操作タスクを実行するには、学習したタスクと経験をあるロボットから別のロボットに、または異なる環境間で効率的に転送する機能が鍵となります。
この論文では、さまざまなタスク、環境、ロボット間での機能と知識の伝達を容易にする、多用途の単一および複数手動モバイル操作フレームワークである MAkEable について紹介します。
私たちのフレームワークは、ARMAR ヒューマノイド ロボット ファミリの記憶中心の認知アーキテクチャにアフォーダンス ベースのタスク記述を統合し、転移学習の経験とデモンストレーションの共有をサポートします。
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、さまざまな環境における既知および未知の物体の自律的な単独および複数手動操作のための統一フレームワークを提供します。
複数のロボット、タスク、環境に対する実際の実験でフレームワークの適用可能性を実証します。
これには、既知および未知の物体の把握、物体の配置、両手による物体の掴み、2 台の異なる人型ロボットにわたる引き出しを開けるシナリオでの記憶を活用したスキルの伝達、および人間のデモンストレーションから学習した注ぎ作業が含まれます。

要約(オリジナル)

To perform versatile mobile manipulation tasks in human-centered environments, the ability to efficiently transfer learned tasks and experiences from one robot to another or across different environments is key. In this paper, we present MAkEable, a versatile uni- and multi-manual mobile manipulation framework that facilitates the transfer of capabilities and knowledge across different tasks, environments, and robots. Our framework integrates an affordance-based task description into the memory-centric cognitive architecture of the ARMAR humanoid robot family, which supports the sharing of experiences and demonstrations for transfer learning. By representing mobile manipulation actions through affordances, i.e., interaction possibilities of the robot with its environment, we provide a unifying framework for the autonomous uni- and multi-manual manipulation of known and unknown objects in various environments. We demonstrate the applicability of the framework in real-world experiments for multiple robots, tasks, and environments. This includes grasping known and unknown objects, object placing, bimanual object grasping, memory-enabled skill transfer in a drawer opening scenario across two different humanoid robots, and a pouring task learned from human demonstration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google