Robustness-Aware Tool Selection and Manipulation Planning with Learned Energy-Informed Guidance

要約

人間は無意識のうちに、長年の具体化された経験に基づいて、ツールを選択して使用する堅牢な方法を選択します。
ただし、不確実性の下での堅牢性は、ロボットのツール使用計画では採用されていないままです。
このペーパーでは、環境障害に対する堅牢性のために明示的に最適化するツールと計画の豊富な操作軌跡を共同で選択する堅牢性を意識したフレームワークを紹介します。
私たちのアプローチの中核には、学習したエネルギーベースの堅牢性メトリックがあり、プランナーを堅牢な操作行動に導きます。
最初に堅牢性を最適化するツールと構成を識別する階層最適化パイプラインを策定し、次に実行中の堅牢性を維持する対応する操作軌道を計画します。
3つの代表的なツール使用タスクでアプローチを評価します。
シミュレーションと現実世界の結果は、私たちのアプローチが一貫して堅牢なツールを選択し、妨害抵抗力のある操作計画を生成することを示しています。

要約(オリジナル)

Humans subconsciously choose robust ways of selecting and using tools, based on years of embodied experience — for example, choosing a ladle instead of a flat spatula to serve meatballs. However, robustness under uncertainty remains underexplored in robotic tool-use planning. This paper presents a robustness-aware framework that jointly selects tools and plans contact-rich manipulation trajectories, explicitly optimizing for robustness against environmental disturbances. At the core of our approach is a learned, energy-based robustness metric, which guides the planner towards robust manipulation behaviors. We formulate a hierarchical optimization pipeline that first identifies a tool and configuration that optimizes robustness, and then plans a corresponding manipulation trajectory that maintains robustness throughout execution. We evaluate our approach across three representative tool-use tasks. Simulation and real-world results demonstrate that our approach consistently selects robust tools and generates disturbance-resilient manipulation plans.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google