Manipulation Planning Among Movable Obstacles Using Physics-Based Adaptive Motion Primitives

要約

雑然としたシーンでのロボット操作には、多くの場合、オブジェクトとの接触が豊富な相互作用が必要です。
意図的にシーンを再配置するのではなく、他のオブジェクトを押して目的の把握ポーズに到達するなど、非把握的なアクションを介して対話する方が経済的です。
シーン内のオブジェクトごとに、そのプロパティに応じて、ロボットがオブジェクトに接触したり、傾けたり、倒したりできる場合とできない場合があります。
これらの制約が、把握しにくい相互作用中に確実に満たされるようにするために、プランナーは物理ベースのシミュレーターにクエリを実行して、ロボットのアクションによって引き起こされる複雑なマルチボディの相互作用を評価できます。
残念ながら、各シミュレーションには時間がかかるため、典型的な計画の問題で評価する必要がある何千ものアクションについてシミュレーターにクエリを実行することは実行不可能です。
この作業では、(i) 操作タスク (具体的には卓上や冷蔵庫からのピックアンドプレース スタイルのタスク) は、多くの場合、ロボットとオブジェクトの相互作用を計画内の適応モーション プリミティブに制限することで解決できることを示しています。
アクションは、マルチヒューリスティック検索フレームワーク内のサブゴールとして組み込むことができ、(iii) これらのアクションへの相互作用を制限することで、ベースライン アルゴリズムと比較して、計画中にシミュレーターのクエリに費やす時間を最大 40 分の 1 に短縮できます。
私たちのアルゴリズムは、物理ベースのシミュレーターとして PyBullet を使用する PR2 ロボットで、シミュレーションと実世界で評価されます。
補足動画: \url{https://youtu.be/ABQc7JbeJPM}.

要約(オリジナル)

Robot manipulation in cluttered scenes often requires contact-rich interactions with objects. It can be more economical to interact via non-prehensile actions, for example, push through other objects to get to the desired grasp pose, instead of deliberate prehensile rearrangement of the scene. For each object in a scene, depending on its properties, the robot may or may not be allowed to make contact with, tilt, or topple it. To ensure that these constraints are satisfied during non-prehensile interactions, a planner can query a physics-based simulator to evaluate the complex multi-body interactions caused by robot actions. Unfortunately, it is infeasible to query the simulator for thousands of actions that need to be evaluated in a typical planning problem as each simulation is time-consuming. In this work, we show that (i) manipulation tasks (specifically pick-and-place style tasks from a tabletop or a refrigerator) can often be solved by restricting robot-object interactions to adaptive motion primitives in a plan, (ii) these actions can be incorporated as subgoals within a multi-heuristic search framework, and (iii) limiting interactions to these actions can help reduce the time spent querying the simulator during planning by up to 40x in comparison to baseline algorithms. Our algorithm is evaluated in simulation and in the real-world on a PR2 robot using PyBullet as our physics-based simulator. Supplementary video: \url{https://youtu.be/ABQc7JbeJPM}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google