CART-MPC: Coordinating Assistive Devices for Robot-Assisted Transferring with Multi-Agent Model Predictive Control

要約

ベッドから車椅子への移乗は、日常生活 (ADL) の至る所で行われている動作ですが、可搬質量が限られている介護ロボットにとっては特に困難です。
私たちは、他の補助器具の存在を活用する新しいアルゴリズムを開発しました。それは、重量物を大まかに操作するためのホイヤースリングと車椅子であり、変形可能な物体（ホイヤースリングストラップ）をきめ細かく操作するためのロボットアームと並行して使用されます。
私たちはホイヤースリングと車椅子にアクチュエーターとセンサーを装備し、アルゴリズム内でインテリジェントエージェントになれるようにしています。
次に、移乗 ADL のサブタスクの 1 つであるスリング バーにホイヤー スリング ストラップを結び付けることに焦点を当てます。これは、移乗の課題を例示するものです。これは、複数のエージェントによる計画、変形可能な物体の操作、およびさまざまなフックの形状、スリングの材質、およびケアの一般化です。
受信者の団体。
これらの課題に対処するために、我々は、変形可能なホイヤースリングストラップのキーポイントベースの表現のための学習されたニューラルダイナミクスモデルを使用するターンテイキングマルチエージェントモデル予測制御に基づく新しいアルゴリズムであるCART-MPCと、新しいコスト関数を提案します。
ノット理論とニューラル償却による数値のリンクを利用して推論を加速します。
RCareWorld シミュレーションと現実世界の環境の両方で検証します。
シミュレーションにおいて、CART-MPC は、多様なフック設計、スリング素材、要介護者の体形をうまく一般化します。
現実の世界では、病院のベッドから車椅子にマネキンを移乗する際に、変形可能な Hoyer スリング ストラップをスリング バーに結び付けるゼロショット シミュレーションからリアルへの汎化機能を示します。
補足資料については、当社の Web サイトを参照してください: https://emprise.cs.cornell.edu/cart-mpc/。

要約(オリジナル)

Bed-to-wheelchair transferring is a ubiquitous activity of daily living (ADL), but especially challenging for caregiving robots with limited payloads. We develop a novel algorithm that leverages the presence of other assistive devices: a Hoyer sling and a wheelchair for coarse manipulation of heavy loads, alongside a robot arm for fine-grained manipulation of deformable objects (Hoyer sling straps). We instrument the Hoyer sling and wheelchair with actuators and sensors so that they can become intelligent agents in the algorithm. We then focus on one subtask of the transferring ADL — tying Hoyer sling straps to the sling bar — that exemplifies the challenges of transfer: multi-agent planning, deformable object manipulation, and generalization to varying hook shapes, sling materials, and care recipient bodies. To address these challenges, we propose CART-MPC, a novel algorithm based on turn-taking multi-agent model predictive control that uses a learned neural dynamics model for a keypoint-based representation of the deformable Hoyer sling strap, and a novel cost function that leverages linking numbers from knot theory and neural amortization to accelerate inference. We validate it in both RCareWorld simulation and real-world environments. In simulation, CART-MPC successfully generalizes across diverse hook designs, sling materials, and care recipient body shapes. In the real world, we show zero-shot sim-to-real generalization capabilities to tie deformable Hoyer sling straps on a sling bar towards transferring a manikin from a hospital bed to a wheelchair. See our website for supplementary materials: https://emprise.cs.cornell.edu/cart-mpc/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google