Adaptive Diffusion Constrained Sampling for Bimanual Robot Manipulation

要約

調整されたマルチアーム操作には、高次元構成スペース全体で複数の同時幾何学的制約を満たす必要があります。これは、従来の計画と制御方法に大きな課題をもたらします。
この作業では、適応拡散制約付きサンプリング（ADC）を提案します。これは、平等（相対的および絶対ポーズ制約など）と構造化された不平等制約（例：オブジェクト表面に近接）の両方をエネルギーベースの拡散モデルに柔軟に統合する生成フレームワークを提案します。
平等制約は、嘘代数空間のポーズの違いについてトレーニングされた専用のエネルギーネットワークを使用してモデル化されますが、不等式の制約は署名された距離関数（SDF）を介して表され、学習制約の埋め込みにエンコードされ、モデルが複雑な空間領域について推論できるようにします。
私たちの方法の主要な革新は、推論時間に制約固有のエネルギー機能を重視することを学ぶ変圧器ベースのアーキテクチャです。
さらに、ランゲビンのダイナミクスと再サンプリングと密度認識の再重み付けを組み合わせることにより、精度とサンプルの多様性を改善する2相サンプリング戦略を採用します。
デュアルアーム操作タスクの実験結果は、ADCが正確な調整と適応的制約処理を必要とする設定全体のサンプルの多様性と一般化を大幅に改善することを示しています。

要約(オリジナル)

Coordinated multi-arm manipulation requires satisfying multiple simultaneous geometric constraints across high-dimensional configuration spaces, which poses a significant challenge for traditional planning and control methods. In this work, we propose Adaptive Diffusion Constrained Sampling (ADCS), a generative framework that flexibly integrates both equality (e.g., relative and absolute pose constraints) and structured inequality constraints (e.g., proximity to object surfaces) into an energy-based diffusion model. Equality constraints are modeled using dedicated energy networks trained on pose differences in Lie algebra space, while inequality constraints are represented via Signed Distance Functions (SDFs) and encoded into learned constraint embeddings, allowing the model to reason about complex spatial regions. A key innovation of our method is a Transformer-based architecture that learns to weight constraint-specific energy functions at inference time, enabling flexible and context-aware constraint integration. Moreover, we adopt a two-phase sampling strategy that improves precision and sample diversity by combining Langevin dynamics with resampling and density-aware re-weighting. Experimental results on dual-arm manipulation tasks show that ADCS significantly improves sample diversity and generalization across settings demanding precise coordination and adaptive constraint handling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google