SPONGE: Sequence Planning with Deformable-ON-Rigid Contact Prediction from Geometric Features

要約

ロボット操作タスク、特に変形可能オブジェクトと剛体オブジェクト間の相互作用を含むタスクの計画は、そのような相互作用の予測が複雑であるため困難です。
SPONGE は、相互作用下の変形体と剛体の間の接触に対するディープ ラーニング ベースの接触予測モデルを搭載したシーケンス プランニング パイプラインです。
接触予測モデルは、開発されたシミュレーション環境によって生成された合成データでトレーニングされ、固いターゲット オブジェクトのポイント クラウド観測と変形可能なツールの姿勢から、2 つの物体間の接触点の 3D 表現へのマッピングを学習します。
提案された皿洗いタスクのアプローチを、シミュレーションと現実世界のオブジェクトを使用した実際の \panda の両方で実験的に評価しました。
実験結果は、両方のシナリオで、提案された計画パイプラインが、移動距離を最小限に抑えながら、さまざまなサイズと曲率のさまざまなオブジェクトで 90\% 以上のエリア カバレッジを達成することにより、タスクを達成できる高品質の軌道を生成できることを示しています。
コードとビデオは、\url{https://irobotics.aalto.fi/sponge/} で入手できます。

要約(オリジナル)

Planning robotic manipulation tasks, especially those that involve interaction between deformable and rigid objects, is challenging due to the complexity in predicting such interactions. We introduce SPONGE, a sequence planning pipeline powered by a deep learning-based contact prediction model for contacts between deformable and rigid bodies under interactions. The contact prediction model is trained on synthetic data generated by a developed simulation environment to learn the mapping from point-cloud observation of a rigid target object and the pose of a deformable tool, to 3D representation of the contact points between the two bodies. We experimentally evaluated the proposed approach for a dish cleaning task both in simulation and on a real \panda with real-world objects. The experimental results demonstrate that in both scenarios the proposed planning pipeline is capable of generating high-quality trajectories that can accomplish the task by achieving more than 90\% area coverage on different objects of varying sizes and curvatures while minimizing travel distance. Code and video are available at: \url{https://irobotics.aalto.fi/sponge/}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google