Collective Intelligence for 2D Push Manipulations with Mobile Robots

要約

自然システムはしばしば、彼らが変化に自己組織化し、適応することを可能にする集合的な知性を提示しますが、ほとんどの人工システムでは同等物が欠落しています。
モバイルロボットを使用した協力的な2Dプッシュ操作のコンテキストで、このようなシステムの可能性を調査します。
従来の作品は、制限された設定で問題に対する潜在的な解決策を実証していますが、計算と学習の困難があります。
さらに重要なことは、これらのシステムには、環境の変化に直面したときに適応する能力がないことです。
この作業では、微分可能なソフトボディ物理シミュレーターから派生したプランナーを注意ベースのニューラルネットワークに蒸留することにより、マルチロボットプッシュ操作システムがベースラインよりも優れたパフォーマンスを達成することを示します。
さらに、私たちのシステムは、トレーニング中に見られない構成にも一般化され、外部の乱流と環境の変更が適用されると、タスクの完了に適応することができます。
補足ビデオは、プロジェクトWebサイトhttps://sites.google.com/view/ciom/homeにあります。

要約(オリジナル)

While natural systems often present collective intelligence that allows them to self-organize and adapt to changes, the equivalent is missing in most artificial systems. We explore the possibility of such a system in the context of cooperative 2D push manipulations using mobile robots. Although conventional works demonstrate potential solutions for the problem in restricted settings, they have computational and learning difficulties. More importantly, these systems do not possess the ability to adapt when facing environmental changes. In this work, we show that by distilling a planner derived from a differentiable soft-body physics simulator into an attention-based neural network, our multi-robot push manipulation system achieves better performance than baselines. In addition, our system also generalizes to configurations not seen during training and is able to adapt toward task completions when external turbulence and environmental changes are applied. Supplementary videos can be found on our project website: https://sites.google.com/view/ciom/home

arxiv情報

提供元, 利用サービス

arxiv.jp, Google