BiAssemble: Learning Collaborative Affordance for Bimanual Geometric Assembly

要約

部品を完全な全体に組み合わせるプロセスであるシェイプアセンブリは、幅広い現実世界のアプリケーションを備えた重要なロボットスキルです。
さまざまなアセンブリタスクの中で、幾何学的なアセンブリ – 壊れた部分が元の形（粉砕されたボウルの再構築など）に再構築される場所が特に困難です。
これには、ロボットが、さまざまな断片での把握、組み立て、およびその後の両手協調操作のための幾何学的キューを認識する必要があります。
このホワイトペーパーでは、ポイントレベルのアフォーダンスの幾何学的一般化を活用して、長期ホリゾンの作用シーケンスを備えた幾何学的なアセンブリにおける双方向のコラボレーションを認識しています。
壊れた部分の幾何学的多様性によって引き起こされる評価のあいまいさに対処するために、幾何学的な種類とグローバルな再現性を特徴とする現実世界のベンチマークを紹介します。
広範な実験は、以前のアフォーダンスベースと模倣ベースの方法の両方で、私たちのアプローチの優位性を示しています。
プロジェクトページ：https：//sites.google.com/view/biassembly/。

要約(オリジナル)

Shape assembly, the process of combining parts into a complete whole, is a crucial robotic skill with broad real-world applications. Among various assembly tasks, geometric assembly–where broken parts are reassembled into their original form (e.g., reconstructing a shattered bowl)–is particularly challenging. This requires the robot to recognize geometric cues for grasping, assembly, and subsequent bimanual collaborative manipulation on varied fragments. In this paper, we exploit the geometric generalization of point-level affordance, learning affordance aware of bimanual collaboration in geometric assembly with long-horizon action sequences. To address the evaluation ambiguity caused by geometry diversity of broken parts, we introduce a real-world benchmark featuring geometric variety and global reproducibility. Extensive experiments demonstrate the superiority of our approach over both previous affordance-based and imitation-based methods. Project page: https://sites.google.com/view/biassembly/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google