Image-Based Roadmaps for Vision-Only Planning and Control of Robotic Manipulators

要約

この作業は、画像空間で衝突のないパスを直接計算するロボットマニピュレーターのモーション計画フレームワークを提示します。
生成されたパスは、ビジョンベースのコントロールを使用して追跡でき、明示的なロボットモデルまたは固有受容センシングの必要性を排除できます。
私たちのアプローチの中核は、完全に画像空間にロードマップを構築することです。
これを達成するために、幾何学的モデルではなく視覚的な機能に基づいて、サンプリング、最近傍選択、および衝突チェックを明示的に定義します。
最初に、ロボットをワークスペース内に移動し、異なる構成でボディに沿ってキーポイントをキャプチャすることにより、最初に一連の画像スペースサンプルを収集します。
これらのサンプルは、ロードマップ内のノードとして機能します。これは、学習または事前定義された距離メトリックのいずれかを使用して構築します。
実行時に、ロードマップは画像スペースに直接衝突のないパスを生成し、ロボットモデルまたはジョイントエンコーダーの必要性を削除します。
障害物を避けるために、適応型ビジョンベースの制御スキームを使用して、ロボットアームが計画されたパスに従う実験的研究を通じてアプローチを検証します。
結果は、学習距離ロードマップで生成されたパスがコントロール収束で100％の成功を達成したのに対し、事前定義された画像空間距離ロードマップはより速い過渡応答を有効にしたが、収束の成功率が低いことを示しています。

要約(オリジナル)

This work presents a motion planning framework for robotic manipulators that computes collision-free paths directly in image space. The generated paths can then be tracked using vision-based control, eliminating the need for an explicit robot model or proprioceptive sensing. At the core of our approach is the construction of a roadmap entirely in image space. To achieve this, we explicitly define sampling, nearest-neighbor selection, and collision checking based on visual features rather than geometric models. We first collect a set of image-space samples by moving the robot within its workspace, capturing keypoints along its body at different configurations. These samples serve as nodes in the roadmap, which we construct using either learned or predefined distance metrics. At runtime, the roadmap generates collision-free paths directly in image space, removing the need for a robot model or joint encoders. We validate our approach through an experimental study in which a robotic arm follows planned paths using an adaptive vision-based control scheme to avoid obstacles. The results show that paths generated with the learned-distance roadmap achieved 100% success in control convergence, whereas the predefined image-space distance roadmap enabled faster transient responses but had a lower success rate in convergence.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google