Implicit Contact Diffuser: Sequential Contact Reasoning with Latent Point Cloud Diffusion

要約

長距離接触の多い操作は、離散的な接触モードと連続的な物体の動きの両方について推論する必要があるため、長い間困難な問題でした。
物体と環境の間の一連の接触関係を指定する一連の神経記述子を生成する拡散ベースのモデルである Implicit Contact Diffuser (ICD) を紹介します。
このシーケンスは、MPC メソッドが特定のタスクを達成するためのガイダンスとして使用されます。
このアプローチの主な利点は、潜在記述子がタスクに関連したより多くのガイダンスを MPC に提供し、接触が多い操作タスクの極小値を回避できることです。
私たちの実験では、ケーブルの配線やノートブックの折りたたみなど、複雑で長期にわたる接触の多い操作タスクにおいて、ICD がベースラインを上回るパフォーマンスを発揮することが実証されました。
さらに、私たちの実験は、 \methodshort がターゲットの接触関係を異なる環境に一般化できることも示しています。
さらに多くのビジュアライゼーションは、Web サイト $\href{https://implicit-contact-diffuser.github.io/}{https://implicit-contact-diffuser.github.io}$ でご覧いただけます。

要約(オリジナル)

Long-horizon contact-rich manipulation has long been a challenging problem, as it requires reasoning over both discrete contact modes and continuous object motion. We introduce Implicit Contact Diffuser (ICD), a diffusion-based model that generates a sequence of neural descriptors that specify a series of contact relationships between the object and the environment. This sequence is then used as guidance for an MPC method to accomplish a given task. The key advantage of this approach is that the latent descriptors provide more task-relevant guidance to MPC, helping to avoid local minima for contact-rich manipulation tasks. Our experiments demonstrate that ICD outperforms baselines on complex, long-horizon, contact-rich manipulation tasks, such as cable routing and notebook folding. Additionally, our experiments also indicate that \methodshort can generalize a target contact relationship to a different environment. More visualizations can be found on our website $\href{https://implicit-contact-diffuser.github.io/}{https://implicit-contact-diffuser.github.io}$

arxiv情報

提供元, 利用サービス

arxiv.jp, Google