RMMI: Enhanced Obstacle Avoidance for Reactive Mobile Manipulation using an Implicit Neural Map

要約

複雑な静的環境で動作するモバイルマニピュレータ用の新しいリアクティブ制御フレームワークである RMMI を紹介します。
私たちのアプローチは、神経符号付き距離フィールド (SDF) を利用して複雑な環境の詳細をモデル化し、この表現を二次プログラム (QP) 内の不等式制約として組み込んで、ロボットのジョイントとベースの動きを調整します。
主な貢献は、動作中の障害物までのロボットの合計距離を最大化するアクティブな衝突回避コスト項の導入です。
まず、シミュレートされた到達タスクでアプローチを評価します。これは、ロボットとシーンの両方をプリミティブ ジオメトリのセットとして表現することに依存する以前の方法よりも優れています。
ベースラインと比較して、タスクの成功率を合計 25% 改善しました。これには、アクティブな衝突コストの使用による 10% の増加も含まれます。
また、実世界のプラットフォーム上でアプローチを実証し、センサー データから直接構築された環境モデルを使用して、雑然とした狭い空間で目標のポーズに到達する際の有効性を示します。
詳細と実験ビデオについては、https://rmmi.github.io/ にアクセスしてください。

要約(オリジナル)

We introduce RMMI, a novel reactive control framework for mobile manipulators operating in complex, static environments. Our approach leverages a neural Signed Distance Field (SDF) to model intricate environment details and incorporates this representation as inequality constraints within a Quadratic Program (QP) to coordinate robot joint and base motion. A key contribution is the introduction of an active collision avoidance cost term that maximises the total robot distance to obstacles during the motion. We first evaluate our approach in a simulated reaching task, outperforming previous methods that rely on representing both the robot and the scene as a set of primitive geometries. Compared with the baseline, we improved the task success rate by 25% in total, which includes increases of 10% by using the active collision cost. We also demonstrate our approach on a real-world platform, showing its effectiveness in reaching target poses in cluttered and confined spaces using environment models built directly from sensor data. For additional details and experiment videos, visit https://rmmi.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google