要約
モバイルマニピュレーションは、ロボットアシスタントの基本的なタスクであり、ロボット工学の世界では大きな注目を集めている。モバイルマニピュレーションに内在する重要な課題は、把持のために対象物に近づきながら、対象物を効果的に観察することである。本研究では、オンライン把持ポーズフュージョンフレームワークを用いることで、時間的に一貫性のある把持観察を可能にする、把持可能性を考慮した移動操作アプローチを提案する。具体的には、予測された把持ポーズをオンライン上で整理し、冗長で異常な把持ポーズを排除することで、強化学習のための把持ポーズ観測状態として符号化することができる。さらに、把持ポーズをその場で融合することで、把持ポーズの量と質の両方を包含する把持可能性を直接評価することができる。
要約(オリジナル)
Mobile manipulation constitutes a fundamental task for robotic assistants and garners significant attention within the robotics community. A critical challenge inherent in mobile manipulation is the effective observation of the target while approaching it for grasping. In this work, we propose a graspability-aware mobile manipulation approach powered by an online grasping pose fusion framework that enables a temporally consistent grasping observation. Specifically, the predicted grasping poses are online organized to eliminate the redundant, outlier grasping poses, which can be encoded as a grasping pose observation state for reinforcement learning. Moreover, on-the-fly fusing the grasping poses enables a direct assessment of graspability, encompassing both the quantity and quality of grasping poses.
arxiv情報
| 著者 | Jiazhao Zhang,Nandiraju Gireesh,Jilong Wang,Xiaomeng Fang,Chaoyi Xu,Weiguang Chen,Liu Dai,He Wang |
| 発行日 | 2024-03-02 09:50:24+00:00 |
| arxivサイト | arxiv_id(pdf) |