DeRi-IGP: Learning to Manipulate Rigid Objects Using Deformable Objects via Iterative Grasp-Pull

要約

ロープなどの変形可能な線形オブジェクト（DLO）を介した剛体オブジェクトのロボット操作は、さまざまな剛性オブジェクト輸送タスクにアプリケーションを備えた新たな研究分野です。
この分野に存在するいくつかの方法は、限られたロボットアクションと運用スペース、貧弱な一般化能力、高価なモデルベースの開発に悩まされています。
これらの課題に対処するために、普遍的に適用可能な移動原始と呼ばれる反復グラスプル（IGP）を提案します。
また、IGPプリミティブをパラメーター化してDLOを操作し、付属の剛性オブジェクトを目的の目標位置に輸送することを学ぶ新しいビジョンベースの神経ポリシーを紹介します。
さらに、分散型アルゴリズム設計により、複数のエージェント間のコラボレーションがDLOを使用して剛性オブジェクトを操作できます。
さまざまなソフトリジッドボディ操作タスクに対して、シミュレートされた環境と現実世界の両方の環境でのアプローチの有効性を評価しました。
現実の世界では、指定された目標位置への剛性オブジェクトの人間のロボット協調的輸送を通じて、分散型アプローチの有効性も実証しています。
また、遠くのオブジェクト取得タスクを解決することにより、IGPプリミティブの大きな動作スペースを紹介します。
最後に、アプローチをいくつかのモデルベースおよび学習ベースのベースラインメソッドと比較しました。
結果は、私たちの方法が他のアプローチを大幅に超えて超えていることを示しています。

要約(オリジナル)

Robotic manipulation of rigid objects via deformable linear objects (DLO) such as ropes is an emerging field of research with applications in various rigid object transportation tasks. A few methods that exist in this field suffer from limited robot action and operational space, poor generalization ability, and expensive model-based development. To address these challenges, we propose a universally applicable moving primitive called Iterative Grasp-Pull (IGP). We also introduce a novel vision-based neural policy that learns to parameterize the IGP primitive to manipulate DLO and transport their attached rigid objects to the desired goal locations. Additionally, our decentralized algorithm design allows collaboration among multiple agents to manipulate rigid objects using DLO. We evaluated the effectiveness of our approach in both simulated and real-world environments for a variety of soft-rigid body manipulation tasks. In the real world, we also demonstrate the effectiveness of our decentralized approach through human-robot collaborative transportation of rigid objects to given goal locations. We also showcase the large operational space of IGP primitive by solving distant object acquisition tasks. Lastly, we compared our approach with several model-based and learning-based baseline methods. The results indicate that our method surpasses other approaches by a significant margin.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google