要約
この論文では、ロボット支援による柔らかい食品の給餌における咬合獲得を強化するために設計された Real2Sim2Real フレームワークである REPeat について紹介します。
押す、切る、ひっくり返すなどの「事前獲得アクション」を使用して、串刺し、すくい、回すなどのバイト獲得アクションの成功率を向上させます。
データ駆動型モデルが直接咬合獲得の成功率が低いと予測した場合、システムは Real2Sim フェーズを開始し、シミュレーションで餌の形状を再構築します。
ロボットはシミュレーションでさまざまな事前取得アクションを調査し、その後、Sim2Real ステップでフォトリアリスティックな画像をレンダリングして成功率を再評価します。
成功率が向上すると、ロボットはそのアクションを現実に適用します。
ソフト食用の 10 種類の食品を含む 15 枚の多様なプレートでシステムを評価したところ、すべてのプレートで平均 27% の咬合獲得成功率の向上が示されました。
プロジェクト Web サイト (https://emprise.cs.cornell.edu/repeat) をご覧ください。
要約(オリジナル)
The paper presents REPeat, a Real2Sim2Real framework designed to enhance bite acquisition in robot-assisted feeding for soft foods. It uses `pre-acquisition actions’ such as pushing, cutting, and flipping to improve the success rate of bite acquisition actions such as skewering, scooping, and twirling. If the data-driven model predicts low success for direct bite acquisition, the system initiates a Real2Sim phase, reconstructing the food’s geometry in a simulation. The robot explores various pre-acquisition actions in the simulation, then a Sim2Real step renders a photorealistic image to reassess success rates. If the success improves, the robot applies the action in reality. We evaluate the system on 15 diverse plates with 10 types of food items for a soft food diet, showing improvement in bite acquisition success rates by 27\% on average across all plates. See our project website at https://emprise.cs.cornell.edu/repeat.
arxiv情報
| 著者 | Nayoung Ha,Ruolin Ye,Ziang Liu,Shubhangi Sinha,Tapomayukh Bhattacharjee |
| 発行日 | 2024-10-13 21:30:56+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google