Learning Goal-Directed Object Pushing in Cluttered Scenes with Location-Based Attention

要約

典型的なピックアンドプレイステクニックが不十分である複雑なシナリオでは、多くの場合、非摂取的な操作がロボットがそのタスクを満たすことができるようにすることができます。
ただし、非摂食操作は、ハイブリッドダイナミクスを使用した性質が不十分なため、ロボットがオブジェクトの長期的な動作と接触スイッチングについて推論する必要があり、不確実性に接触するのは堅牢です。
ワークスペースに混乱が存在することは、このタスクをさらに複雑にし、望ましくない衝突を避けるために、より高度な空間分析を含める必要性を導入します。
平面上のプッシュのためのマルチモーダルのカテゴリー探索による補強学習に関する以前の作業に基づいて、散らかったシーンで堅牢な操作を可能にするために位置ベースの注意を組み込むことを提案します。
プッシュタスクを回避するこの障害に対処する以前のアプローチとは異なり、私たちのフレームワークは事前定義されたグローバルパスを必要とせず、操作されたオブジェクトの望ましいターゲット方向を考慮します。
シミュレーションの実験結果と実際のクカIIWAロボットアームを使用して、学習したポリシーがオブジェクトをうまく操作し、動的障害物を含む複雑な障害物構成を介した衝突を回避し、目的のターゲットポーズに到達することを示しています。

要約(オリジナル)

In complex scenarios where typical pick-and-place techniques are insufficient, often non-prehensile manipulation can ensure that a robot is able to fulfill its task. However, non-prehensile manipulation is challenging due to its underactuated nature with hybrid-dynamics, where a robot needs to reason about an object’s long-term behavior and contact-switching, while being robust to contact uncertainty. The presence of clutter in the workspace further complicates this task, introducing the need to include more advanced spatial analysis to avoid unwanted collisions. Building upon prior work on reinforcement learning with multimodal categorical exploration for planar pushing, we propose to incorporate location-based attention to enable robust manipulation in cluttered scenes. Unlike previous approaches addressing this obstacle avoiding pushing task, our framework requires no predefined global paths and considers the desired target orientation of the manipulated object. Experimental results in simulation as well as with a real KUKA iiwa robot arm demonstrate that our learned policy manipulates objects successfully while avoiding collisions through complex obstacle configurations, including dynamic obstacles, to reach the desired target pose.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google