DAG-Plan: Generating Directed Acyclic Dependency Graphs for Dual-Arm Cooperative Planning

要約

双腕ロボットは、複数の物体の同時操作や両腕を使用したタスクの共同実行を可能にすることで、単腕ロボットに比べて汎用性と効率性が向上します。
しかし、複雑な長期にわたるタスクのために 2 つのアームを効果的に調整することは依然として大きな課題です。
既存のタスク計画方法は主に単腕ロボットに焦点を当てているか、事前に定義された両手操作に依存しており、双腕システムの機能を十分に活用できていません。
この制限に対処するために、双腕ロボット向けに調整された構造化タスク計画フレームワークである DAG-Plan を導入します。
DAG-Plan は、大規模言語モデル (LLM) を利用して、複雑なタスクを、有向非巡回グラフ (DAG) 内のノードとして表される実行可能なサブタスクに分解します。
重要なことに、DAG-Plan は、リアルタイムの環境観察に基づいてこれらのサブタスクを適切なアームに動的に割り当て、並列かつ適応的な実行を可能にします。
DAG-Plan を、78 のサブタスクと 26 のオブジェクトを含む 9 つの連続タスクで構成される新しいデュアルアーム キッチン ベンチマークで評価します。
広範な実験により、LLM を直接使用して計画を生成するよりも DAG-Plan の方が優れていることが実証され、シングルアーム タスク計画ベースラインと比較して 50% 近く高い効率と、デュアルアーム タスク計画ベースラインのほぼ 2 倍の成功率を達成しました。

要約(オリジナル)

Dual-arm robots offer enhanced versatility and efficiency over single-arm counterparts by enabling concurrent manipulation of multiple objects or cooperative execution of tasks using both arms. However, effectively coordinating the two arms for complex long-horizon tasks remains a significant challenge. Existing task planning methods predominantly focus on single-arm robots or rely on predefined bimanual operations, failing to fully leverage the capabilities of dual-arm systems. To address this limitation, we introduce DAG-Plan, a structured task planning framework tailored for dual-arm robots. DAG-Plan harnesses large language models (LLMs) to decompose intricate tasks into actionable sub-tasks represented as nodes within a directed acyclic graph (DAG). Critically, DAG-Plan dynamically assigns these sub-tasks to the appropriate arm based on real-time environmental observations, enabling parallel and adaptive execution. We evaluate DAG-Plan on the novel Dual-Arm Kitchen Benchmark, comprising 9 sequential tasks with 78 sub-tasks and 26 objects. Extensive experiments demonstrate the superiority of DAG-Plan over directly using LLM to generate plans, achieving nearly 50% higher efficiency compared to the single-arm task planning baseline and nearly double the success rate of the dual-arm task planning baseline.

arxiv情報

著者 Zeyu Gao,Yao Mu,Jinye Qu,Mengkang Hu,Lingyue Guo,Ping Luo,Yanfeng Lu
発行日 2024-06-14 11:58:51+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.RO パーマリンク