State-Based Disassembly Planning

要約

最近、物理ベースのシミュレーションにより、多様な 3D 形状と厳しい動作制約を備えた現実世界のアセンブリの分解能力が大幅に向上することが示されました。
ただし、多数のシミュレーションと長いシミュレーション時間を必要とする複雑な分解タスクに取り組むと、効率が低下します。
この研究では、状態ベースの分解計画 (SBDP) アプローチを提案します。これは、自律性を促進するために回転運動よりも並進運動を伴う物理ベースのシミュレーションを優先し、人間の入力への依存を軽減しながら、中間運動状態を保存して検索のスケーラビリティを向上させます。
探索をスケールアップするために、状態情報が豊富に含まれた新しい Directional Blocking Graphs (DBG) から派生した 2 つの新しい評価関数を導入します。
私たちの実験では、新しい評価関数と DBG 制約を備えた SBDP が、数千の物理的に有効な工業用アセンブリで構成されるベンチマーク データセットと比較して、成功率と計算効率の点で最先端の解体計画よりも優れていることが示されました。

要約(オリジナル)

It has been shown recently that physics-based simulation significantly enhances the disassembly capabilities of real-world assemblies with diverse 3D shapes and stringent motion constraints. However, the efficiency suffers when tackling intricate disassembly tasks that require numerous simulations and increased simulation time. In this work, we propose a State-Based Disassembly Planning (SBDP) approach, prioritizing physics-based simulation with translational motion over rotational motion to facilitate autonomy, reducing dependency on human input, while storing intermediate motion states to improve search scalability. We introduce two novel evaluation functions derived from new Directional Blocking Graphs (DBGs) enriched with state information to scale up the search. Our experiments show that SBDP with new evaluation functions and DBGs constraints outperforms the state-of-the-art in disassembly planning in terms of success rate and computational efficiency over benchmark datasets consisting of thousands of physically valid industrial assemblies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google