RobotDiffuse: Motion Planning for Redundant Manipulator based on Diffusion Model

要約

より高い自由度 (DOF) を備えた冗長マニピュレーターは、運動学的パフォーマンスと多用途性を強化し、製造、外科用ロボット、人間とロボットのコラボレーションなどの用途に適しています。
ただし、DOF の増加と複雑で動的環境のため、これらのマニピュレータの動作計画は困難です。
従来の動作計画アルゴリズムは高次元空間に対応するのに苦労しますが、深層学習ベースの手法は複雑なタスクにおいて不安定性や非効率性に直面することがよくあります。
この論文では、冗長マニピュレータの動作計画のための拡散モデルベースのアプローチである RobotDiffuse を紹介します。
RobotDiffuse は、物理的制約を点群エンコーダと統合し、U-Net 構造をエンコーダ専用のトランスフォーマに置き換えることにより、時間依存関係をキャプチャし、よりスムーズで一貫性のあるモーション プランを生成するモデルの能力を向上させます。
私たちは複雑なシミュレーターを使用してアプローチを検証し、3,500 万のロボットのポーズと 0.14 万の障害物回避シナリオを含む新しいデータセットをリリースします。
実験結果は、RobotDiffuse の有効性と、動作計画タスクにおける拡散モデルの有望性を示しています。
コードには https://github.com/ACroboT-buaa/RobotDiffuse からアクセスできます。

要約(オリジナル)

Redundant manipulators, with their higher Degrees of Freedom (DOFs), offer enhanced kinematic performance and versatility, making them suitable for applications like manufacturing, surgical robotics, and human-robot collaboration. However, motion planning for these manipulators is challenging due to increased DOFs and complex, dynamic environments. While traditional motion planning algorithms struggle with high-dimensional spaces, deep learning-based methods often face instability and inefficiency in complex tasks. This paper introduces RobotDiffuse, a diffusion model-based approach for motion planning in redundant manipulators. By integrating physical constraints with a point cloud encoder and replacing the U-Net structure with an encoder-only transformer, RobotDiffuse improves the model’s ability to capture temporal dependencies and generate smoother, more coherent motion plans. We validate the approach using a complex simulator, and release a new dataset with 35M robot poses and 0.14M obstacle avoidance scenarios. Experimental results demonstrate the effectiveness of RobotDiffuse and the promise of diffusion models for motion planning tasks. The code can be accessed at https://github.com/ACRoboT-buaa/RobotDiffuse.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google