World-Model-Based Control for Industrial box-packing of Multiple Objects using NewtonianVAE

要約

複数の対象物を正確に配置する産業用箱詰め工程では、高精度な位置決めと連続動作が要求される。ロボットが物体を特定の位置に高精度に配置するためには、配置する物体の位置だけでなく、ロボットハンドが把持する物体の姿勢に関する情報も重要です。産業用の箱詰めでは、同じ形状の物体を1つの箱に順次入れていく必要があることが多い。ロボットの動作は、同じ学習モデルによって決定されるべきである。工場では、新しい種類の製品がしばしば登場するので、それらに容易に適応できるモデルが必要である。そのため、モデルを学習させるためのデータ収集が容易である必要がある。本研究では、実世界の産業作業を自動化するロボットシステムを設計し、視覚に基づく学習制御モデルを採用した。我々は、対象物の手の中の姿勢を取得するためにRGBカメラを用いる、手内視感応型ニュートン変分オートエンコーダ(ihVS-NVAE)を提案する。我々は、単一の物体配置タスクのために訓練された我々のモデルが、追加の訓練なしで連続タスクを処理できることを実証する。提案モデルの有効性を評価するために、実際のロボットを用いて、複数の物体の逐次的な産業用箱詰め作業を行った。その結果、提案モデルは、産業用箱詰めタスクにおいて100%の成功率を達成し、最先端のアプローチや従来のアプローチを凌駕し、産業用タスクにおける優れた有効性と可能性を明らかにした。

要約(オリジナル)

The process of industrial box-packing, which involves the accurate placement of multiple objects, requires high-accuracy positioning and sequential actions. When a robot is tasked with placing an object at a specific location with high accuracy, it is important not only to have information about the location of the object to be placed, but also the posture of the object grasped by the robotic hand. Often, industrial box-packing requires the sequential placement of identically shaped objects into a single box. The robot’s action should be determined by the same learned model. In factories, new kinds of products often appear and there is a need for a model that can easily adapt to them. Therefore, it should be easy to collect data to train the model. In this study, we designed a robotic system to automate real-world industrial tasks, employing a vision-based learning control model. We propose in-hand-view-sensitive Newtonian variational autoencoder (ihVS-NVAE), which employs an RGB camera to obtain in-hand postures of objects. We demonstrate that our model, trained for a single object-placement task, can handle sequential tasks without additional training. To evaluate efficacy of the proposed model, we employed a real robot to perform sequential industrial box-packing of multiple objects. Results showed that the proposed model achieved a 100% success rate in industrial box-packing tasks, thereby outperforming the state-of-the-art and conventional approaches, underscoring its superior effectiveness and potential in industrial tasks.

arxiv情報

著者 Yusuke Kato,Ryo Okumura,Tadahiro Taniguchi
発行日 2024-04-04 00:47:48+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: cs.RO パーマリンク