One-Shot Manipulation Strategy Learning by Making Contact Analogies

要約

我々は、新しいオブジェクトへの高速かつ広範な一般化を伴う操作戦略のワンショット学習のための新しいアプローチである MAGIC (manipulationanalys for generalizable Intelligent contacts) を提案します。
参照アクション軌跡を活用することで、MAGIC は、新しいオブジェクトに対する同様の接触点と一連のアクションを効果的に特定し、さまざまな形状やサイズの遠く離れたオブジェクトを取得するためにさまざまなフックを使用するなど、実証された戦略を再現します。
私たちの手法は、事前学習済みのニューラル特徴を使用したグローバル形状マッチングと局所曲率解析を組み合わせた 2 段階の接触点マッチング プロセスに基づいており、正確で物理的に妥当な接触点を確保します。
物をすくう、吊るす、引っ掛けるという3つの作業を実験します。
MAGIC は既存のメソッドよりも優れたパフォーマンスを示し、実行速度の大幅な向上とさまざまなオブジェクト カテゴリへの汎用化を実現します。
ウェブサイト: https://magic-2024.github.io/ 。

要約(オリジナル)

We present a novel approach, MAGIC (manipulation analogies for generalizable intelligent contacts), for one-shot learning of manipulation strategies with fast and extensive generalization to novel objects. By leveraging a reference action trajectory, MAGIC effectively identifies similar contact points and sequences of actions on novel objects to replicate a demonstrated strategy, such as using different hooks to retrieve distant objects of different shapes and sizes. Our method is based on a two-stage contact-point matching process that combines global shape matching using pretrained neural features with local curvature analysis to ensure precise and physically plausible contact points. We experiment with three tasks including scooping, hanging, and hooking objects. MAGIC demonstrates superior performance over existing methods, achieving significant improvements in runtime speed and generalization to different object categories. Website: https://magic-2024.github.io/ .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google