RoPotter: Toward Robotic Pottery and Deformable Object Manipulation with Structural Priors

要約

人間は、さまざまな変形可能な物体を継続的に操作して複雑な形状にすることができます。
これは、視覚的認識が遮られている場合でも、物体の材質特性と力学を直感的に理解することで可能になり、物体の状態を推論することができます。
これらの能力により、生地を使った調理から陶芸による表現まで、さまざまな作業を行うことができます。
しかし、現在の方法では、体積変形可能な物体を効果的にモデル化し、それらが通常示す複雑な動作を推論するのに苦労しているため、同様のタスクを堅牢に実行するロボットシステムの開発は依然として困難です。
体積物体を変形できるロボット システムとアルゴリズムを研究するために、ろくろ上で粘土を連続的に変形させる新しいロボット タスクを導入します。
我々は、RoPotterと呼ばれる知覚と陶芸スキル学習のためのパイプラインを提案し、陶器製作のタスクに特有の構造的事前条件を活用して陶芸スキル学習プロセスを簡素化できることを実証します。
つまり、粘土の断面を平面に投影して粘土の状態を表現し、次元性を低減することができます。
また、粘土を連続的に変形できるロボットエージェントに向けて、閉塞した粘土状態を回復するメッシュベースの方法も実証します。
私たちの実験では、粘土の変形挙動に基づいた構造事前分布による縮小表現を使用することで、RoPotter が最先端のベースラインと比較して最終形状誤差を 44.4% 低く抑えながら、水平線の長い陶芸タスクを実行できることが示されました。

要約(オリジナル)

Humans are capable of continuously manipulating a wide variety of deformable objects into complex shapes. This is made possible by our intuitive understanding of material properties and mechanics of the object, for reasoning about object states even when visual perception is occluded. These capabilities allow us to perform diverse tasks ranging from cooking with dough to expressing ourselves with pottery-making. However, developing robotic systems to robustly perform similar tasks remains challenging, as current methods struggle to effectively model volumetric deformable objects and reason about the complex behavior they typically exhibit. To study the robotic systems and algorithms capable of deforming volumetric objects, we introduce a novel robotics task of continuously deforming clay on a pottery wheel. We propose a pipeline for perception and pottery skill-learning, called RoPotter, wherein we demonstrate that structural priors specific to the task of pottery-making can be exploited to simplify the pottery skill-learning process. Namely, we can project the cross-section of the clay to a plane to represent the state of the clay, reducing dimensionality. We also demonstrate a mesh-based method of occluded clay state recovery, toward robotic agents capable of continuously deforming clay. Our experiments show that by using the reduced representation with structural priors based on the deformation behaviors of the clay, RoPotter can perform the long-horizon pottery task with 44.4% lower final shape error compared to the state-of-the-art baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google