ORLA*: Mobile Manipulator-Based Object Rearrangement with Lazy A*

要約

オブジェクトの再配置を効果的に実行することは、夕食のテーブルの準備や机の整理など、モバイル マニピュレータにとって不可欠なスキルです。
このような問題における重要な課題は、操作を実現するために必要な動作 (ピック アンド プレイスなど) を考慮しながら、オブジェクト間の依存関係を効果的に解きほぐすために、オブジェクトの適切な操作順序を決定することです。
私たちの知る限り、モバイルマニピュレーター向けの計算時間に最適な複数オブジェクトの再配置ソリューションは、依然としてほとんど未開発の研究方向です。
本研究では、エンドエフェクタと移動ロボットのベース移動の両方を考慮した高品質なオブジェクトのピックアンドプレイスシーケンスを探索する際に、遅延（レイジー）評価を活用するORLA*を提案します。
ORLA* は、機械学習を使用して杭の安定性を考慮した多層の再配置タスクもサポートします。
ORLA* は、オブジェクトを移動するための一時的な位置を見つけるための最適なソルバーを採用することで、全体的な最適性を実現できます。
広範なシミュレーションとアブレーション研究を通じて、困難な再配置症例に対して質の高いソリューションを提供する ORLA* の有効性を確認しました。
補足資料は https://okaai15.github.io/ORLA-Star/ から入手できます。

要約(オリジナル)

Effectively performing object rearrangement is an essential skill for mobile manipulators, e.g., setting up a dinner table or organizing a desk. A key challenge in such problems is deciding an appropriate manipulation order for objects to effectively untangle dependencies between objects while considering the necessary motions for realizing the manipulations (e.g., pick and place). To our knowledge, computing time-optimal multi-object rearrangement solutions for mobile manipulators remains a largely untapped research direction. In this research, we propose ORLA*, which leverages delayed (lazy) evaluation in searching for a high-quality object pick and place sequence that considers both end-effector and mobile robot base travel. ORLA* also supports multi-layered rearrangement tasks considering pile stability using machine learning. Employing an optimal solver for finding temporary locations for displacing objects, ORLA* can achieve global optimality. Through extensive simulation and ablation study, we confirm the effectiveness of ORLA* delivering quality solutions for challenging rearrangement instances. Supplementary materials are available at: https://gaokai15.github.io/ORLA-Star/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google