Sampling-Based Grasp and Collision Prediction for Assisted Teleoperation

要約

共有自律性により、人間のオペレーターのグローバルな計画能力と、再現性や正確な制御などのロボットの強みを組み合わせることができます。
リアルタイムのテレオ操作の設定では、共有された自律性の可能性の1つは、人間のオペレーターにラフな動きを決定させ、たとえばオペレーターのビューがオクルドされたときにロボットに細かい調整を行わせることです。
リアルタイムのテレオ操作環境で人間のオペレーターをサポートすることを目的とする共有自律性の学習ベースの概念を提示します。
あらゆるステップで、当社のシステムは、ロボットの動作に影響を与える一連の制約を満たしながら、人間のオペレーターが可能な限り正確に設定したターゲットポーズを追跡します。
重要な特徴は、制約を動的にアクティブ化して非アクティブ化することができ、システムがタスク固有の支援を提供できることです。
システムはリアルタイムでロボットコマンドを生成する必要があるため、すべての反復で最適化問題を解決することは実行不可能です。
代わりに、潜在的なターゲット構成をサンプリングし、各構成の制約コストを予測するためにニューラルネットワークを使用します。
各構成を並行して評価することにより、システムは制約を満たし、最小限の遅延でオペレーターのターゲットポーズまでの最小距離を持つターゲット構成を選択できます。
Robotiqグリッパーを備えた2つのフランカエミカパンダロボットアームを備えた2つのマニュアルセットアップで、ピックアンドプレースタスクでフレームワークを評価します。

要約(オリジナル)

Shared autonomy allows for combining the global planning capabilities of a human operator with the strengths of a robot such as repeatability and accurate control. In a real-time teleoperation setting, one possibility for shared autonomy is to let the human operator decide for the rough movement and to let the robot do fine adjustments, e.g., when the view of the operator is occluded. We present a learning-based concept for shared autonomy that aims at supporting the human operator in a real-time teleoperation setting. At every step, our system tracks the target pose set by the human operator as accurately as possible while at the same time satisfying a set of constraints which influence the robot’s behavior. An important characteristic is that the constraints can be dynamically activated and deactivated which allows the system to provide task-specific assistance. Since the system must generate robot commands in real-time, solving an optimization problem in every iteration is not feasible. Instead, we sample potential target configurations and use Neural Networks for predicting the constraint costs for each configuration. By evaluating each configuration in parallel, our system is able to select the target configuration which satisfies the constraints and has the minimum distance to the operator’s target pose with minimal delay. We evaluate the framework with a pick and place task on a bi-manual setup with two Franka Emika Panda robot arms with Robotiq grippers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google