Clutter-Aware Spill-Free Liquid Transport via Learned Dynamics

要約

本研究では、乱雑な環境下で動作する、液体が充填されたオープントップ容器をこぼさずにハンドリングするための新しいアルゴリズムを提示する。液体充填容器をより高い角度で傾けることを可能にし、エンドエフェクタの向きの全ての軸に沿った運動を可能にすることで、我々の研究は到達可能な空間を拡大し、障害物を回避する操縦性を強化し、実現可能なシナリオの範囲を広げる。i) 容器の特性を利用して流出を誘発する状態（逆さまの容器など）を回避するインフォームド・サンプラーを用いたRRT*の使用により、流出のない経路を生成する。ii) 時間パラメータ化アルゴリズムの実装により、流出のない軌道を生成するために結果の経路をパラメータ化する。我々は、様々な形状と充填レベルの容器を用いて、障害物の多い実世界のタスク設定で我々のアプローチを検証し、既存のアプローチよりも少なくとも3倍大きい拡張解空間を実証する。

要約(オリジナル)

In this work, we present a novel algorithm to perform spill-free handling of open-top liquid-filled containers that operates in cluttered environments. By allowing liquid-filled containers to be tilted at higher angles and enabling motion along all axes of end-effector orientation, our work extends the reachable space and enhances maneuverability around obstacles, broadening the range of feasible scenarios. Our key contributions include: i) generating spill-free paths through the use of RRT* with an informed sampler that leverages container properties to avoid spill-inducing states (such as an upside-down container), ii) parameterizing the resulting path to generate spill-free trajectories through the implementation of a time parameterization algorithm, coupled with a transformer-based machine-learning model capable of classifying trajectories as spill-free or not. We validate our approach in real-world, obstacle-rich task settings using containers of various shapes and fill levels and demonstrate an extended solution space that is at least 3x larger than an existing approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL