Constrained Object Placement Using Reinforcement Learning

要約

不規則な形状の物体を正確に配置するには、熟練したロボット システムが必要です。
特に困難なのは、敏感な上面と固定された近傍セットを持つオブジェクトの操作です。
表面の損傷を避けるために、それらを横から掴む必要があり、配置中に隣接関係を維持する必要があります。
この研究では、オブジェクトをできるだけ近くに並べて配置するための滑らかなエンドエフェクターの動きを生成する強化学習エージェントをトレーニングします。
配置中に、エージェントは衝突を回避しながら、オブジェクトの特定のレイアウトで定義された隣接制約を考慮します。
私たちのアプローチは、従来の方法で必要とされるオブジェクト間の事前定義された間隔を必要とせずに、コンパクトなオブジェクトアセンブリを配置する方法を学習します。
私たちは、6 自由度のロボット アームに取り付けられた 2 本の指のグリッパーを使用して、アプローチを徹底的に評価しました。
結果は、オブジェクト アセンブリのコンパクトさの点で、私たちのエージェントが 2 つのベースライン アプローチよりも優れていることを示しており、それによって、指定された隣接制約に従ってオブジェクトを配置するために必要なスペースが削減されます。
平均して、私たちのアプローチは、配置されたすべてのオブジェクト間の距離を少なくとも 60% 短縮し、両方のベースラインと比較して同じコンパクトさで衝突が少なくなります。

要約(オリジナル)

Close and precise placement of irregularly shaped objects requires a skilled robotic system. Particularly challenging is the manipulation of objects that have sensitive top surfaces and a fixed set of neighbors. To avoid damaging the surface, they have to be grasped from the side, and during placement, their neighbor relations have to be maintained. In this work, we train a reinforcement learning agent that generates smooth end-effector motions to place objects as close as possible next to each other. During the placement, our agent considers neighbor constraints defined in a given layout of the objects while trying to avoid collisions. Our approach learns to place compact object assemblies without the need for predefined spacing between objects as required by traditional methods. We thoroughly evaluated our approach using a two-finger gripper mounted to a robotic arm with six degrees of freedom. The results show that our agent outperforms two baseline approaches in terms of object assembly compactness, thereby reducing the needed space to place the objects according to the given neighbor constraints. On average, our approach reduces the distances between all placed objects by at least 60%, with fewer collisions at the same compactness compared to both baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google