Revolutionizing Packaging: A Robotic Bagging Pipeline with Constraint-aware Structure-of-Interest Planning

要約

包装や生活支援用途では一般的な袋詰め作業は、袋の複雑な変形特性により困難を伴います。
これに対処するために、適応構造物 (SOI) 操作アプローチを使用して自動袋詰めタスクのためのロボット システムを開発します。
私たちの方法は、リアルタイムの視覚フィードバックに依存して、バッグの素材や力学に関する事前の知識を必要とせずに、操作を動的に調整します。
ガウス混合モデル (GMM) を使用した SOI の状態推定、最適化ベースのバギング手法による SOI 生成、制約付き双方向高速探索ランダム ツリー (CBiRRT) による SOI 動作計画、およびモデルによって調整されたデュアルアーム操作を特徴とする堅牢なパイプラインを紹介します。
予測制御 (MPC)。
実験では、マニピュレータの適応調整を使用して、さまざまなオブジェクトの正確で安定した袋詰めを達成するシステムの能力を実証します。
提案されたフレームワークは、双腕ロボットの機能を向上させ、変形可能なオブジェクトとの相互作用を伴う一般的なタスクのより高度な自動化を実行します。

要約(オリジナル)

Bagging operations, common in packaging and assisted living applications, are challenging due to a bag’s complex deformable properties. To address this, we develop a robotic system for automated bagging tasks using an adaptive structure-of-interest (SOI) manipulation approach. Our method relies on real-time visual feedback to dynamically adjust manipulation without requiring prior knowledge of bag materials or dynamics. We present a robust pipeline featuring state estimation for SOIs using Gaussian Mixture Models (GMM), SOI generation via optimization-based bagging techniques, SOI motion planning with Constrained Bidirectional Rapidly-exploring Random Trees (CBiRRT), and dual-arm manipulation coordinated by Model Predictive Control (MPC). Experiments demonstrate the system’s ability to achieve precise, stable bagging of various objects using adaptive coordination of the manipulators. The proposed framework advances the capability of dual-arm robots to perform more sophisticated automation of common tasks involving interactions with deformable objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google