Interactive Navigation with Adaptive Non-prehensile Mobile Manipulation

要約

この論文では、適応型で把握しにくいモバイル操作による対話型ナビゲーションのフレームワークを紹介します。
このプロセスにおける重要な課題は、視覚的な観察から推測することが難しい、未知のダイナミクスを持つオブジェクトを処理することです。
これに対処するために、学習された SE(2) ダイナミクス表現を介して一般的な屋内可動オブジェクトの適応ダイナミクス モデルを提案します。
このモデルは、ロボットの対話をガイドするモデル予測パス積分 (MPPI) 制御に統合されています。
さらに、学習されたダイナミクスは、操作できないオブジェクトの周囲を移動する際の意思決定に役立ちます。私たちのアプローチはシミュレーションと現実世界のシナリオの両方で検証され、オブジェクトのダイナミクスを正確に表現し、さまざまなオブジェクトを効果的に操作できることが実証されています。
さらに、提案されたフレームワークを動的にバランシングを行うモバイル ロボット Shmoobot に展開することにより、Navigation Among Movable Objects (NAMO) タスクでの成功を強調します。
プロジェクト Web サイト: https://cmushmoobot.github.io/AdaptivePushing/。

要約(オリジナル)

This paper introduces a framework for interactive navigation through adaptive non-prehensile mobile manipulation. A key challenge in this process is handling objects with unknown dynamics, which are difficult to infer from visual observation. To address this, we propose an adaptive dynamics model for common movable indoor objects via learned SE(2) dynamics representations. This model is integrated into Model Predictive Path Integral (MPPI) control to guide the robot’s interactions. Additionally, the learned dynamics help inform decision-making when navigating around objects that cannot be manipulated.Our approach is validated in both simulation and real-world scenarios, demonstrating its ability to accurately represent object dynamics and effectively manipulate various objects. We further highlight its success in the Navigation Among Movable Objects (NAMO) task by deploying the proposed framework on a dynamically balancing mobile robot, Shmoobot. Project website: https://cmushmoobot.github.io/AdaptivePushing/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google