MoMa-Pos: Where Should Mobile Manipulators Stand in Cluttered Environment Before Task Execution?

要約

モバイルマニピュレータは、ナビゲーション操作タスクを実行する前に、常に実行可能なベース位置を決定する必要があります。
現実世界の環境は、さまざまな家具、障害物、その他多数のオブジェクトで雑然としていることがよくあります。
基本位置を効率的に計算することには課題が伴います。
この研究では、この問題に対処するために MoMa-Pos というフレームワークを導入します。
MoMa-Pos はまず、グラフ埋め込みアーキテクチャを使用して、基本位置を見つけるのに十分な、一緒に考えられる小さなオブジェクトのセットを予測する方法を学習します。
MoMa-Posは、家具の構造やロボットのモデル、障害物などを総合的に考慮して立ち位置を計算します。
私たちは、提案された MoMa-Pos をさまざまな設定 (環境やアルゴリズム パラメーターなど) およびさまざまなモバイル マニピュレーターを使用して広範囲に評価しました。
私たちの経験的結果は、MoMa-Pos がそのパフォーマンスにおいて顕著な有効性と効率性を示し、文献の方法を上回っていることを示しています。
% ですが、乱雑な環境やさまざまなロボット モデルにも適応できます。
補足資料は \url{https://yding25.com/MoMa-Pos} でご覧いただけます。

要約(オリジナル)

Mobile manipulators always need to determine feasible base positions prior to carrying out navigation-manipulation tasks. Real-world environments are often cluttered with various furniture, obstacles, and dozens of other objects. Efficiently computing base positions poses a challenge. In this work, we introduce a framework named MoMa-Pos to address this issue. MoMa-Pos first learns to predict a small set of objects that, taken together, would be sufficient for finding base positions using a graph embedding architecture. MoMa-Pos then calculates standing positions by considering furniture structures, robot models, and obstacles comprehensively. We have extensively evaluated the proposed MoMa-Pos across different settings (e.g., environment and algorithm parameters) and with various mobile manipulators. Our empirical results show that MoMa-Pos demonstrates remarkable effectiveness and efficiency in its performance, surpassing the methods in the literature. %, but also is adaptable to cluttered environments and different robot models. Supplementary material can be found at \url{https://yding25.com/MoMa-Pos}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google