Predictive Reachability for Embodiment Selection in Mobile Manipulation Behaviors

要約

モバイルマニピュレータは、タスクを達成するためにナビゲーションと操作の間で調整された制御を必要とします。
通常、調整されたモバイル操作動作では、目標に近づくための基本的なナビゲーションと、その後に目的のポーズに到達するための腕の操作が行われます。
ベースとアームの間で実施形態を選択することは、到達可能性に基づいて決定することができる。
これまでの方法では、逆運動学を計算することで到達可能性を評価し、解決策が特定されると腕の動きをアクティブ化していました。
本研究では、予測された腕の動きに基づいて到達可能性を決定する予測到達可能性と呼ばれる新しいアプローチを導入します。
私たちのモデルは、世界モデルに基づいて構築された階層的な政策フレームワークを利用しています。
世界モデルにより、将来の軌道の予測と到達可能性の評価が可能になります。
階層型ポリシーは、予測された到達可能性に基づいて実施形態を選択し、それに応じて計画を立てます。
逆運動学のロボットや環境に関する事前知識を必要とする方法とは異なり、私たちの方法は画像ベースの観察のみに依存します。
私たちは、さまざまな環境における基本的な到達タスクを通じてアプローチを評価します。
結果は、我々の方法がサンプル効率とパフォーマンスの両方において以前のモデルベースのアプローチよりも優れていると同時に、予測到達可能性に基づいてより合理的な実施形態の選択を可能にすることを実証している。

要約(オリジナル)

Mobile manipulators require coordinated control between navigation and manipulation to accomplish tasks. Typically, coordinated mobile manipulation behaviors have base navigation to approach the goal followed by arm manipulation to reach the desired pose. Selecting the embodiment between the base and arm can be determined based on reachability. Previous methods evaluate reachability by computing inverse kinematics and activate arm motions once solutions are identified. In this study, we introduce a new approach called predictive reachability that decides reachability based on predicted arm motions. Our model utilizes a hierarchical policy framework built upon a world model. The world model allows the prediction of future trajectories and the evaluation of reachability. The hierarchical policy selects the embodiment based on the predicted reachability and plans accordingly. Unlike methods that require prior knowledge about robots and environments for inverse kinematics, our method only relies on image-based observations. We evaluate our approach through basic reaching tasks across various environments. The results demonstrate that our method outperforms previous model-based approaches in both sample efficiency and performance, while enabling more reasonable embodiment selection based on predictive reachability.

arxiv情報

著者 Xiaoxu Feng,Takato Horii,Takayuki Nagai
発行日 2024-10-28 14:17:08+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO パーマリンク