Train What You Know — Precise Pick-and-Place with Transporter Networks

要約

ロボットアプリケーションでは、正確なピックアンドプレースが不可欠です。
この目的のために、Transporter Networks でピックアンドプレースの精度を向上させる新しい正確なトレーニング方法と反復推論方法を定義します。
8 つのシミュレートされたタスクで大規模な実験を行います。
体系的な分析は、提案された変更がモデルのパフォーマンスに大きなプラスの効果をもたらすことを示しています。
個別にピッキングとプレースメントを考慮すると、当社の方法は、ベースラインよりも最大 60% 低い回転と移動エラーを達成します。
ピックアンドプレース プロセス全体で、ほとんどのタスクで回転エラーが 50% 減少し、移動エラーに関してはわずかに改善されました。
さらに、モデルのパフォーマンスを維持し、計算コストと時間を削減するアーキテクチャの変更を提案します。
実際のハードウェアでインタラクティブな教育手順を使用してメソッドを検証します。
補足資料は、https://gergely-soti.github.io/p で入手できます。

要約(オリジナル)

Precise pick-and-place is essential in robotic applications. To this end, we define a novel exact training method and an iterative inference method that improve pick-and-place precision with Transporter Networks. We conduct a large scale experiment on 8 simulated tasks. A systematic analysis shows, that the proposed modifications have a significant positive effect on model performance. Considering picking and placing independently, our methods achieve up to 60% lower rotation and translation errors than baselines. For the whole pick-and-place process we observe 50% lower rotation errors for most tasks with slight improvements in terms of translation errors. Furthermore, we propose architectural changes that retain model performance and reduce computational costs and time. We validate our methods with an interactive teaching procedure on real hardware. Supplementary material will be made available at: https://gergely-soti.github.io/p

arxiv情報

提供元, 利用サービス

arxiv.jp, Google