The Teenager’s Problem: Efficient Garment Decluttering as Probabilistic Set Cover

要約

この論文は、散乱した衣類を平面からバスケットに効率的に取り出すという「ティーンエイジャーの問題」に取り組んでいます。
個々の衣類を把握して搬送するのは非常に非効率であるため、頭上カメラを使用して複数の衣類の把握場所を選択する方針を提案します。
私たちの中心的なアプローチはセグメントベースであり、シーンのオーバーヘッド RGB 画像でセグメンテーションを使用します。
私たちは、すべての衣服を表面から取り除くための把握の数を最小限に抑えることを目的として、この問題の確率論的セット カバー定式化を提案します。
把握効率は、ランドリー バスケットへの 1 回の移動ごとに取り出される物の平均数を示す、Objects per Transport (OpT) によって測定されます。
さらに、オーバーヘッド深度データを使用して効率的な把握を見つける、深度ベースのいくつかの方法を検討します。
実験によると、セグメントベースの手法では、ランダムなベースラインよりも OpT が $50\%$ 増加するのに対し、ハイブリッド手法を組み合わせると $33\%$ の改善が得られます。
最後に、バスケットまでの距離が局所的な移動距離よりはるかに長い場合に、作業面上の衣類を局所的に移動させて OpT を向上させる、統合 (セグメンテーションを伴う) を使用する方法を検討します。
これにより、ベースラインと比較して $81\%$ の改善が得られます。

要約(オリジナル)

This paper addresses the ‘Teenager’s Problem’: efficiently removing scattered garments from a planar surface into a basket. As grasping and transporting individual garments is highly inefficient, we propose policies to select grasp locations for multiple garments using an overhead camera. Our core approach is segment-based, which uses segmentation on the overhead RGB image of the scene. We propose a Probabilistic Set Cover formulation of the problem, aiming to minimize the number of grasps that clear all garments off the surface. Grasp efficiency is measured by Objects per Transport (OpT), which denotes the average number of objects removed per trip to the laundry basket. Additionally, we explore several depth-based methods, which use overhead depth data to find efficient grasps. Experiments suggest that our segment-based method increases OpT by $50\%$ over a random baseline, whereas combined hybrid methods yield improvements of $33\%$. Finally, a method employing consolidation (with segmentation) is considered, which locally moves the garments on the work surface to increase OpT, when the distance to the basket is much greater than the local motion distances. This yields an improvement of $81\%$ over the baseline.

arxiv情報

著者 Aviv Adler,Ayah Ahmad,Yulei Qiu,Shengyin Wang,Wisdom C. Agboh,Edith Llontop,Tianshuang Qiu,Jeffrey Ichnowski,Thomas Kollar,Richard Cheng,Mehmet Dogar,Ken Goldberg
発行日 2024-10-28 14:28:44+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク