Task-Difficulty-Aware Efficient Object Arrangement Leveraging Tossing Motions

要約

この研究では、ピックアンドプレース (PP) の代替として、ロボットの動作範囲を拡張し、作業効率を向上させるピックアンドトス (PT) を検討しています。
PT はオブジェクトの配置効率を高めますが、配置環境はトスの成功に決定的な影響を与えます。
正確かつ効率的なオブジェクト配置を実現するには、配置環境から推定されるタスクの難易度に基づいて PP と PT のどちらかを選択することをお勧めします。
私たちの手法では、自己教師あり学習によるトス動作の学習と、総当たり探索によるタスク決定方針の学習を同時に行います。
実験結果は、さまざまな長方形オブジェクトの配置に関するシミュレーションと現実世界のテストを通じて、提案された方法を検証します。

要約(オリジナル)

This study explores a pick-and-toss (PT) as an alternative to pick-and-place (PP), allowing a robot to extend its range and improve task efficiency. Although PT boosts efficiency in object arrangement, the placement environment critically affects the success of tossing. To achieve accurate and efficient object arrangement, we suggest choosing between PP and PT based on task difficulty estimated from the placement environment. Our method simultaneously learns the tossing motion through self-supervised learning and the task determination policy via brute-force search. Experimental results validate the proposed method through simulations and real-world tests on various rectangular object arrangements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google