Neural Rearrangement Planning for Object Retrieval from Confined Spaces Perceivable by Robot’s In-hand RGB-D Sensor

要約

狭い空間から物体を回収するタスクの再配置計画は、主にロボットの動作のためのオープンスペースの欠如と限られた知覚のため、困難な問題です。
物体検索タスクを解決するための従来の方法がいくつか存在しますが、それらは認識のための頭上カメラと、解決策を見つけるために時間のかかる徹底的な検索を必要とし、多くの場合、環境内に同一の単純なジオメトリの物体があるなど、非現実的な仮定を立てます。
本稿では、与えられたロボットの把握を使用して、狭い空間内で未知の任意のオブジェクトの再配置計画を効率的に実行し、目的のオブジェクトを検索する神経オブジェクト検索フレームワークを紹介します。
私たちの手法は、ロボットのハンドカメラで環境を能動的に感知します。
次に、ターゲット オブジェクトへのロボット パスのホモトピーを妨げないように、ターゲット以外のオブジェクトを選択して再配置します。これにより、基礎となるパス プランナーがロボットの動作シーケンスを迅速に見つけることにも役立ちます。
さらに、任意の家庭用品を備えた現実世界のキャビネットのような環境を含む、困難なシナリオでフレームワークを実証します。
結果は、私たちのフレームワークが、提示されたすべてのメソッドの中で最高のパフォーマンスを達成し、最高パフォーマンスのベースラインよりも平均して 2 桁計算が高速であることを示しています。

要約(オリジナル)

Rearrangement planning for object retrieval tasks from confined spaces is a challenging problem, primarily due to the lack of open space for robot motion and limited perception. Several traditional methods exist to solve object retrieval tasks, but they require overhead cameras for perception and a time-consuming exhaustive search to find a solution and often make unrealistic assumptions, such as having identical, simple geometry objects in the environment. This paper presents a neural object retrieval framework that efficiently performs rearrangement planning of unknown, arbitrary objects in confined spaces to retrieve the desired object using a given robot grasp. Our method actively senses the environment with the robot’s in-hand camera. It then selects and relocates the non-target objects such that they do not block the robot path homotopy to the target object, thus also aiding an underlying path planner in quickly finding robot motion sequences. Furthermore, we demonstrate our framework in challenging scenarios, including real-world cabinet-like environments with arbitrary household objects. The results show that our framework achieves the best performance among all presented methods and is, on average, two orders of magnitude computationally faster than the best-performing baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google