Pushing Everything Everywhere All At Once: Probabilistic Prehensile Pushing

要約

私たちは、環境に押し付けて把持したオブジェクトを操作するという問題である事前ヘンシルプッシュに対処します。
私たちのソリューションは、正確な混合整数の非線形軌道最適化定式化から緩和された効率的な非線形軌道最適化問題です。
重要な洞察は、バイナリ変数の代わりに離散確率分布として外部プッシャー（環境）をリキャストし、分布のエントロピーを最小化することです。
確率論的な再定式化により、すべてのプッシャーを同時に使用することができますが、最適な場合、確率はエントロピーの最小化により1つに集中します。
私たちは、先天性プッシュタスクに関する最先端のサンプリングベースのベースラインと方法を数値的に比較します。
結果は、私たちの方法がベースラインの8倍の速さを8倍高速に、20倍低いことを示しています。
最後に、シミュレートされた本物のフランカパンダロボットが、方法で提案された軌跡に従って異なるオブジェクトを正常に操作できることを実証します。
補足資料は、https：//probabilistic-prehensile-pushing.github.io/で入手できます。

要約(オリジナル)

We address prehensile pushing, the problem of manipulating a grasped object by pushing against the environment. Our solution is an efficient nonlinear trajectory optimization problem relaxed from an exact mixed integer non-linear trajectory optimization formulation. The critical insight is recasting the external pushers (environment) as a discrete probability distribution instead of binary variables and minimizing the entropy of the distribution. The probabilistic reformulation allows all pushers to be used simultaneously, but at the optimum, the probability mass concentrates onto one due to the entropy minimization. We numerically compare our method against a state-of-the-art sampling-based baseline on a prehensile pushing task. The results demonstrate that our method finds trajectories 8 times faster and at a 20 times lower cost than the baseline. Finally, we demonstrate that a simulated and real Franka Panda robot can successfully manipulate different objects following the trajectories proposed by our method. Supplementary materials are available at https://probabilistic-prehensile-pushing.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google