Composable Part-Based Manipulation

要約

この論文では、ロボット操作スキルの学習と汎用化を向上させるために、オブジェクトとパーツの分解とパーツとパーツの対応を活用する新しいアプローチである、コンポーザブル パーツベースの操作 (CPM) を提案します。
オブジェクト部品間の機能的対応を考慮することにより、注湯や配置の制約などの機能的アクションを、さまざまな対応制約の組み合わせとして概念化します。
CPM は、構成可能な拡散モデルのコレクションで構成されており、各モデルは異なるオブジェクト間の対応を取得します。
これらの拡散モデルは、特定のオブジェクトの部分に基づいて操作スキルのパラメータを生成できます。
パーツベースの対応とタスクの個別の制約への分解を活用することで、新しいオブジェクトとオブジェクト カテゴリへの強力な一般化が可能になります。
私たちは、シミュレートされたシナリオと現実世界のシナリオの両方でアプローチを検証し、堅牢で一般化された操作機能を実現する際のその有効性を実証します。

要約(オリジナル)

In this paper, we propose composable part-based manipulation (CPM), a novel approach that leverages object-part decomposition and part-part correspondences to improve learning and generalization of robotic manipulation skills. By considering the functional correspondences between object parts, we conceptualize functional actions, such as pouring and constrained placing, as combinations of different correspondence constraints. CPM comprises a collection of composable diffusion models, where each model captures a different inter-object correspondence. These diffusion models can generate parameters for manipulation skills based on the specific object parts. Leveraging part-based correspondences coupled with the task decomposition into distinct constraints enables strong generalization to novel objects and object categories. We validate our approach in both simulated and real-world scenarios, demonstrating its effectiveness in achieving robust and generalized manipulation capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google