LLM-Pack: Intuitive Grocery Handling for Logistics Applications

要約

ロボット工学と自動化は、ロジスティクスにますます影響力がありますが、従来の倉庫に大きく限定されています。
食料品の小売業では、レジ係のないスーパーマーケットなどの進歩が存在しますが、顧客はまだ手動で食料品を選んで詰め込んでいます。
ビンピッキングの問題にロボット工学にかなりの焦点がありましたが、オブジェクトと食料品を梱包するタスクはほとんど手つかずのままです。
ただし、食料品のアイテムを適切な順序で梱包することは、製品の損傷を防ぐために重要です。たとえば、重いオブジェクトを脆弱なものの上に置くべきではありません。
ただし、適切な梱包順序の正確な基準は、特に店舗で一般的に見られる多様なオブジェクトを考えると、定義するのが困難です。
この論文では、食料品の梱包のための新しいアプローチであるLLM-Packを紹介します。
LLM-Packは、食料品を識別し、人間の梱包戦略を模倣する梱包シーケンスを生成するための言語とVision Foundationモデルを活用します。
LLMパックでは、新しい食料品アイテムを処理するための専用のトレーニングは必要ありません。そのモジュール性により、基礎となる基礎モデルの簡単なアップグレードが可能になります。
そのアプローチを広範囲に評価して、そのパフォーマンスを実証します。
この原稿の公開時に、LLMPackのソースコードを公開します。

要約(オリジナル)

Robotics and automation are increasingly influential in logistics but remain largely confined to traditional warehouses. In grocery retail, advancements such as cashier-less supermarkets exist, yet customers still manually pick and pack groceries. While there has been a substantial focus in robotics on the bin picking problem, the task of packing objects and groceries has remained largely untouched. However, packing grocery items in the right order is crucial for preventing product damage, e.g., heavy objects should not be placed on top of fragile ones. However, the exact criteria for the right packing order are hard to define, in particular given the huge variety of objects typically found in stores. In this paper, we introduce LLM-Pack, a novel approach for grocery packing. LLM-Pack leverages language and vision foundation models for identifying groceries and generating a packing sequence that mimics human packing strategy. LLM-Pack does not require dedicated training to handle new grocery items and its modularity allows easy upgrades of the underlying foundation models. We extensively evaluate our approach to demonstrate its performance. We will make the source code of LLMPack publicly available upon the publication of this manuscript.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google