Efficient Model-Based Reinforcement Learning Through Optimistic Thompson Sampling

投稿日: 2024年10月8日 作成者: jarxiv

要約

環境との相互作用を通じて複雑なロボットの動作を学習するには、原則に基づいた探求が必要です。
効果的な戦略では、報酬を最大化する状態アクション空間の領域の探索を優先する必要があり、楽観的な探索がこの考えに沿った有望な方向性として浮上し、サンプル効率の高い強化学習を可能にします。
しかし、既存の方法は重要な側面を見落としています。それは、報酬と状態を結びつける信念によって楽観主義が知らされる必要性です。
これに対処するために、トンプソン サンプリングに基づいた楽観的な探索に対する実用的で理論に基づいたアプローチを提案します。
私たちのモデル構造は、遷移と報酬に関する共同不確実性についての推論を可能にする最初のモデルです。
私たちは、一連の MuJoCo および VMAS 連続制御タスクにこの方法を適用します。
私たちの実験は、報酬がまばらで、行動ペナルティがあり、探索が困難な領域がある環境では、楽観的な探索が学習を大幅に加速することを示しています。
さらに、楽観主義が有益な場合についての洞察を提供し、探索を導く上でのモデルの不確実性の重要な役割を強調します。

要約(オリジナル)

Learning complex robot behavior through interactions with the environment necessitates principled exploration. Effective strategies should prioritize exploring regions of the state-action space that maximize rewards, with optimistic exploration emerging as a promising direction aligned with this idea and enabling sample-efficient reinforcement learning. However, existing methods overlook a crucial aspect: the need for optimism to be informed by a belief connecting the reward and state. To address this, we propose a practical, theoretically grounded approach to optimistic exploration based on Thompson sampling. Our model structure is the first that allows for reasoning about joint uncertainty over transitions and rewards. We apply our method on a set of MuJoCo and VMAS continuous control tasks. Our experiments demonstrate that optimistic exploration significantly accelerates learning in environments with sparse rewards, action penalties, and difficult-to-explore regions. Furthermore, we provide insights into when optimism is beneficial and emphasize the critical role of model uncertainty in guiding exploration.

arxiv情報

著者 Jasmine Bayrooti,Carl Henrik Ek,Amanda Prorok
発行日 2024-10-07 12:42:51+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.LG, cs.RO | コメントする

Anticipating Human Behavior for Safe Navigation and Efficient Collaborative Manipulation with Mobile Service Robots

投稿日: 2024年10月8日 作成者: jarxiv

要約

人間の行動を予測することは、ロボットが人間と安全かつ効率的に対話するために重要な能力です。
私たちは、スマート エッジ センサー ネットワークを使用して、グローバルな観測と将来の予測および目標情報を提供し、移動操作ロボットの制御のための予測行動を統合します。
安全なナビゲーションと協調的なモバイル操作タスクのコンテキストで人間の行動を予測するアプローチを紹介します。
まず、スマートエッジセンサーネットワークの観測による人間の軌跡の投影を移動ロボットの計画マップに適用することで、人間の動作を予測します。
第二に、家具を運ぶ共同作業において、与えられた目標を達成するために人間の意図を予測します。
私たちの実験は、人間の行動を予測することで、より安全なナビゲーションとより効率的なコラボレーションが可能になることを示しています。
最後に、人間の行動を予測し、人間と協力してテーブルや椅子の配置を含む目標の部屋のレイアウトを実現する統合システムを紹介します。

要約(オリジナル)

The anticipation of human behavior is a crucial capability for robots to interact with humans safely and efficiently. We employ a smart edge sensor network to provide global observations along with future predictions and goal information to integrate anticipatory behavior for the control of a mobile manipulation robot. We present approaches to anticipate human behavior in the context of safe navigation and a collaborative mobile manipulation task. First, we anticipate human motion by employing projections of human trajectories from smart edge sensor network observations into the planning map of a mobile robot. Second, we anticipate human intentions in a collaborative furniture-carrying task to achieve a given goal. Our experiments indicate that anticipating human behavior allows for safer navigation and more efficient collaboration. Finally, we showcase an integrated system that anticipates human behavior and collaborates with a human to achieve a target room layout, including the placement of tables and chairs.

arxiv情報

著者 Simon Bultmann,Raphael Memmesheimer,Jan Nogga,Julian Hau,Sven Behnke
発行日 2024-10-07 13:14:37+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 | コメントする

Enhanced Multi-Robot SLAM System with Cross-Validation Matching and Exponential Threshold Keyframe Selection

投稿日: 2024年10月8日 作成者: jarxiv

要約

モバイル ロボット工学の進化分野により、同時位置特定およびマッピング (SLAM) システムの需要が実際に増加しています。
SLAM の位置特定精度とマッピング効率を強化するために、SLAM システムのコア モジュールを改良しました。
特徴マッチング フェーズ内で、不一致を除外するために相互検証マッチングを導入しました。
キーフレーム選択戦略では、キーフレーム選択プロセスを定量化するために指数関数しきい値関数が構築されます。
単一ロボットと比較して、マルチロボット協調 SLAM (CSLAM) システムはタスク実行の効率と堅牢性を大幅に向上させます。
集中構造を採用することにより、マルチロボット SLAM システムを定式化し、マルチマップ点群登録のための粗いものから細かいものまでのマッチング アプローチを設計します。
ORB-SLAM3 に基づいて構築された私たちのシステムは、TUM RGB-D、EuRoC MAV、および TUM_VI データセットを利用して広範な評価を受けました。
実験結果は、ORB-SLAM3 と比較して、強化されたアルゴリズムの測位精度とマッピング品質が大幅に向上し、絶対軌道誤差が 12.90% 減少したことを示しています。

要約(オリジナル)

The evolving field of mobile robotics has indeed increased the demand for simultaneous localization and mapping (SLAM) systems. To augment the localization accuracy and mapping efficacy of SLAM, we refined the core module of the SLAM system. Within the feature matching phase, we introduced cross-validation matching to filter out mismatches. In the keyframe selection strategy, an exponential threshold function is constructed to quantify the keyframe selection process. Compared with a single robot, the multi-robot collaborative SLAM (CSLAM) system substantially improves task execution efficiency and robustness. By employing a centralized structure, we formulate a multi-robot SLAM system and design a coarse-to-fine matching approach for multi-map point cloud registration. Our system, built upon ORB-SLAM3, underwent extensive evaluation utilizing the TUM RGB-D, EuRoC MAV, and TUM_VI datasets. The experimental results demonstrate a significant improvement in the positioning accuracy and mapping quality of our enhanced algorithm compared to those of ORB-SLAM3, with a 12.90% reduction in the absolute trajectory error.

arxiv情報

著者 Ang He,Xi-mei Wu,Xiao-bin Guo,Li-bin Liu
発行日 2024-10-07 13:18:22+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 | コメントする

Active Fine-Tuning of Generalist Policies

投稿日: 2024年10月8日 作成者: jarxiv

要約

事前トレーニングされたジェネラリスト ポリシーは、新しいドメイン内タスクへの迅速な適応が期待できるため、ロボット学習における関連性が急速に高まっています。
この適応は、多くの場合、関心のある特定のタスクに対する新しいデモンストレーションを収集し、行動のクローニングなどの模倣学習アルゴリズムを適用することに依存します。
ただし、いくつかのタスクを学習する必要がある場合は、どのタスクをどのくらいの頻度でデモンストレーションするかを決定する必要があります。
私たちはこのマルチタスクの問題を研究し、エージェントがデモンストレーションするタスクを適応的に選択する対話型フレームワークを探索します。
我々は、専門家政策に関する最大の情報利得をもたらすデモンストレーションを収集することによって、限られたデモンストレーション予算の下でマルチタスク政策のパフォーマンスを最大化するアルゴリズムであるAMF（Active Multi-task Fine-tuning）を提案します。
私たちは、規則性の仮定の下で AMF のパフォーマンス保証を導き出し、複雑で高次元の環境でニューラル ポリシーを効率的に微調整するための AMF の経験的有効性を実証します。

要約(オリジナル)

Pre-trained generalist policies are rapidly gaining relevance in robot learning due to their promise of fast adaptation to novel, in-domain tasks. This adaptation often relies on collecting new demonstrations for a specific task of interest and applying imitation learning algorithms, such as behavioral cloning. However, as soon as several tasks need to be learned, we must decide which tasks should be demonstrated and how often? We study this multi-task problem and explore an interactive framework in which the agent adaptively selects the tasks to be demonstrated. We propose AMF (Active Multi-task Fine-tuning), an algorithm to maximize multi-task policy performance under a limited demonstration budget by collecting demonstrations yielding the largest information gain on the expert policy. We derive performance guarantees for AMF under regularity assumptions and demonstrate its empirical effectiveness to efficiently fine-tune neural policies in complex and high-dimensional environments.

arxiv情報

著者 Marco Bagatella,Jonas Hübotter,Georg Martius,Andreas Krause
発行日 2024-10-07 13:26:36+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.LG, cs.RO | コメントする

GARField: Addressing the visual Sim-to-Real gap in garment manipulation with mesh-attached radiance fields

投稿日: 2024年10月8日 作成者: jarxiv

要約

人間は直感的に衣服やその他の繊維製品を迅速かつ正確に操作しますが、ロボットにとってこれは大きな課題です。
人間のパフォーマンスにとって重要な要素は、操作意図の意図された結果をアプリオリに想像し、衣服のポーズの予測を立てる能力です。
これにより、非常に障害のある状態から計画を立て、より多くの情報を収集しながら計画を調整し、予期せぬ状況に迅速に対応することができます。
一方、ロボットは、そのような直観を確立し、計画と観察の間に緊密なつながりを形成するのに苦労しています。
これは、繊維加工用の高密度にラベル付けされたデータを取得するのに質と量の両方でコストがかかることが部分的に原因であると考えられます。
データ収集の問題は、衣類の加工に対するデータに基づくアプローチにおける長年の課題です。
現在、高品質でラベル付きの衣類操作データの生成は、主に、現実世界の観察から簡素化された状態推定を作成する高度なデータ取得手順を通じて試みられています。
ただし、この研究では、与えられたオブジェクトの状態から現実世界の観測値を生成することを提案します。
これを達成するために、三角形メッシュとして保存されたシミュレートされた状態からデータを生成できる微分可能なレンダリング アーキテクチャである GARField (Garment Attached Radiance Field) を提案します。
コードは https://ddonatien.github.io/garfield-website/ で入手できます。

要約(オリジナル)

While humans intuitively manipulate garments and other textiles items swiftly and accurately, it is a significant challenge for robots. A factor crucial to the human performance is the ability to imagine, a priori, the intended result of the manipulation intents and hence develop predictions on the garment pose. This allows us to plan from highly obstructed states, adapt our plans as we collect more information and react swiftly to unforeseen circumstances. Robots, on the other hand, struggle to establish such intuitions and form tight links between plans and observations. This can be attributed in part to the high cost of obtaining densely labelled data for textile manipulation, both in quality and quantity. The problem of data collection is a long standing issue in data-based approaches to garment manipulation. Currently, the generation of high quality and labelled garment manipulation data is mainly attempted through advanced data capture procedures that create simplified state estimations from real-world observations. In this work, however, we propose to generate real-world observations from given object states. To achieve this, we present GARField (Garment Attached Radiance Field) a differentiable rendering architecture allowing data generation from simulated states stored as triangle meshes. Code will be available on https://ddonatien.github.io/garfield-website/

arxiv情報

著者 Donatien Delehelle,Darwin G. Caldwell,Fei Chen
発行日 2024-10-07 13:50:15+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.GR, cs.RO | コメントする

Can LLMs plan paths with extra hints from solvers?

投稿日: 2024年10月8日 作成者: jarxiv

要約

大規模言語モデル (LLM) は、自然言語処理、数学的問題解決、およびプログラム合成に関連するタスクにおいて顕著な能力を示しています。
しかし、長期計画や高次の推論におけるそれらの有効性は限られており、脆弱であることが指摘されています。
この論文では、ソルバーが生成したフィードバックを統合することで、古典的なロボット計画タスクを解決する際の LLM パフォーマンスを向上させるアプローチを検討します。
私たちは、視覚的なフィードバックを含むフィードバックを提供するための 4 つの異なる戦略を検討し、微調整を利用し、10 の標準問題とさらにランダムに生成された 100 の計画問題にわたって 3 つの異なる LLM のパフォーマンスを評価しました。
私たちの結果は、ソルバーが生成したフィードバックによって、中程度に難しい問題を解決する LLM の能力が向上しますが、より難しい問題には依然として手が届かないことを示唆しています。
この研究では、さまざまなヒンティング戦略の効果と、評価された LLM のさまざまな計画傾向の詳細な分析が提供されます。

要約(オリジナル)

Large Language Models (LLMs) have shown remarkable capabilities in natural language processing, mathematical problem solving, and tasks related to program synthesis. However, their effectiveness in long-term planning and higher-order reasoning has been noted to be limited and fragile. This paper explores an approach for enhancing LLM performance in solving a classical robotic planning task by integrating solver-generated feedback. We explore four different strategies for providing feedback, including visual feedback, we utilize fine-tuning, and we evaluate the performance of three different LLMs across a 10 standard and 100 more randomly generated planning problems. Our results suggest that the solver-generated feedback improves the LLM’s ability to solve the moderately difficult problems, but the harder problems still remain out of reach. The study provides detailed analysis of the effects of the different hinting strategies and the different planning tendencies of the evaluated LLMs.

arxiv情報

著者 Erik Wu,Sayan Mitra
発行日 2024-10-07 14:00:08+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.AI, cs.CL, cs.RO | コメントする

HE-Nav: A High-Performance and Efficient Navigation System for Aerial-Ground Robots in Cluttered Environments

投稿日: 2024年10月8日 作成者: jarxiv

要約

既存の AGR ナビゲーション システムは、ボクセル占有予測に 3D セマンティック シーン補完ネットワークを採用し、衝突のない経路計画のためにユークリッド符号付き距離場 (ESDF) マップを構築することにより、軽度に遮蔽されたシナリオ (建物など) で進歩してきました。
ただし、これらのシステムは、知覚ネットワークの低い予測精度とパス プランナーの高い計算オーバーヘッドから生じる制限により、重度のオクルージョンのある乱雑な環境 (密集した森林や高い壁など) では次善のパフォーマンスと効率を示します。
この論文では、乱雑な環境で動作する AGR 向けに調整された初の高性能かつ効率的なナビゲーション システムである HE-Nav を紹介します。
認識モジュールは、鳥瞰図 (BEV) 機能融合によってガイドされ、精巧に設計された SCB-Fusion モジュールと注意メカニズムによって強化された、軽量のセマンティック シーン完了ネットワーク (LBSCNet) を利用します。
これにより、雑然としたエリアでもリアルタイムで効率的な障害物予測が可能になり、完全なローカル マップが生成されます。
この完成したマップに基づいて、当社の新しい AG-Planner は、エネルギー効率の高い運動力学的 A* 検索アルゴリズムを採用し、計画の省エネルギー化を保証します。
その後の軌道最適化プロセスにより、安全でスムーズ、動的に実現可能な、ESDF のない空中と地上のハイブリッド パスが生成されます。
広範な実験により、HE-Nav はシミュレーション シナリオで 98% の計画成功率を維持しながら、現実世界の状況で 7 倍のエネルギー節約を達成したことが実証されました。
コードとビデオはプロジェクト ページ https://jmwang0117.github.io/HE-Nav/ で入手できます。

要約(オリジナル)

Existing AGR navigation systems have advanced in lightly occluded scenarios (e.g., buildings) by employing 3D semantic scene completion networks for voxel occupancy prediction and constructing Euclidean Signed Distance Field (ESDF) maps for collision-free path planning. However, these systems exhibit suboptimal performance and efficiency in cluttered environments with severe occlusions (e.g., dense forests or tall walls), due to limitations arising from perception networks’ low prediction accuracy and path planners’ high computational overhead. In this paper, we present HE-Nav, the first high-performance and efficient navigation system tailored for AGRs operating in cluttered environments. The perception module utilizes a lightweight semantic scene completion network (LBSCNet), guided by a bird’s eye view (BEV) feature fusion and enhanced by an exquisitely designed SCB-Fusion module and attention mechanism. This enables real-time and efficient obstacle prediction in cluttered areas, generating a complete local map. Building upon this completed map, our novel AG-Planner employs the energy-efficient kinodynamic A* search algorithm to guarantee planning is energy-saving. Subsequent trajectory optimization processes yield safe, smooth, dynamically feasible and ESDF-free aerial-ground hybrid paths. Extensive experiments demonstrate that HE-Nav achieved 7x energy savings in real-world situations while maintaining planning success rates of 98% in simulation scenarios. Code and video are available on our project page: https://jmwang0117.github.io/HE-Nav/.

arxiv情報

著者 Junming Wang,Zekai Sun,Xiuxian Guan,Tianxiang Shen,Dong Huang,Zongyuan Zhang,Tianyang Duan,Fangming Liu,Heming Cui
発行日 2024-10-07 14:33:17+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 | コメントする

Towards Embedding Dynamic Personas in Interactive Robots: Masquerading Animated Social Kinematics (MASK)

投稿日: 2024年10月8日 作成者: jarxiv

要約

この論文では、キャラクターのようなペルソナを使用して視聴者の参加を強化する革新的な対話型ロボット システムの設計と開発について説明します。
この作品は、ペルソナ駆動型の対話エージェントの基礎に基づいて構築されており、ロボットを使用してエージェントのアプリケーションを物理領域に拡張し、より魅力的でインタラクティブなエクスペリエンスを提供します。
マスカレーディング アニメーション ソーシャル キネマティック (MASK) と名付けられたこの提案されたシステムは、顔の表情やジェスチャーなどの非言語的な対話を使用してゲストと対話する擬人化ロボットを活用しています。
有限状態機械構造に基づく動作生成システムは、ロボットの動作を効果的に条件付けして、異なるペルソナを伝えます。
MASK フレームワークは、認識エンジン、動作選択エンジン、および包括的なアクション ライブラリを統合し、動作設計における人間の介入を最小限に抑えながら、リアルタイムの動的な対話を可能にします。
ユーザー主体の研究を通じて、ユーザーが性格ベースと映画キャラクターベースの両方のペルソナ条件で意図したキャラクターを認識できるかどうかを調べました。
最後に、対話型エージェントにおけるペルソナの役割と、魅力的なユーザー エクスペリエンスを作成するために考慮すべき要素について説明します。

要約(オリジナル)

This paper presents the design and development of an innovative interactive robotic system to enhance audience engagement using character-like personas. Built upon the foundations of persona-driven dialog agents, this work extends the agent’s application to the physical realm, employing robots to provide a more captivating and interactive experience. The proposed system, named the Masquerading Animated Social Kinematic (MASK), leverages an anthropomorphic robot which interacts with guests using non-verbal interactions, including facial expressions and gestures. A behavior generation system based upon a finite-state machine structure effectively conditions robotic behavior to convey distinct personas. The MASK framework integrates a perception engine, a behavior selection engine, and a comprehensive action library to enable real-time, dynamic interactions with minimal human intervention in behavior design. Throughout the user subject studies, we examined whether the users could recognize the intended character in both personality- and film-character-based persona conditions. We conclude by discussing the role of personas in interactive agents and the factors to consider for creating an engaging user experience.

arxiv情報

著者 Jeongeun Park,Taemoon Jeong,Hyeonseong Kim,Taehyun Byun,Seungyoon Shin,Keunjun Choi,Jaewoon Kwon,Taeyoon Lee,Matthew Pan,Sungjoon Choi
発行日 2024-10-07 14:33:28+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.AI, cs.RO | コメントする

Reinforcement Learning Control for Autonomous Hydraulic Material Handling Machines with Underactuated Tools

投稿日: 2024年10月8日 作成者: jarxiv

要約

重量物運搬機械の正確かつ安全な制御には、油圧で作動するジョイントのモデル化が難しいことと、自由にスイングするエンドエフェクターツールによる衝突のない軌道計画の必要性があるため、多くの課題が生じます。
この研究では、キャビンジョイントとアームを同時に制御する RL ベースのコントローラーを提案します。
データ駆動型モデリング技術と第一原理モデリングを組み合わせたシミュレーションでトレーニングされます。
一方では、ニューラル ネットワーク モデルを使用して、上部台車回転油圧モーターの高度に非線形なダイナミクスをキャプチャし、遅延をより適切に処理するために明示的な圧力予測を組み込んでいます。
一方、第一原理を使用して、アームを速度制御可能としてモデル化し、自由にスイングするエンドエフェクターツールを減衰振り子としてモデル化します。
この結合モデルによりシミュレーション環境が強化され、実機に直接転送できる RL コントローラーのトレーニングが可能になります。
定常状態のデカルト目標を達成するように設計された RL コントローラーは、油圧力学を活用して精度を向上させ、高速を維持し、エンドエフェクター ツールの振動を最小限に抑えることを学習します。
中型のプロトタイプのマテリアル ハンドラーでテストされた当社のコントローラーは、経験の浅いオペレーターよりも正確で、ツールの振動が少なくなります。
経験豊富なプロドライバーと比較しても遜色ないパフォーマンスを発揮します。

要約(オリジナル)

The precise and safe control of heavy material handling machines presents numerous challenges due to the hard-to-model hydraulically actuated joints and the need for collision-free trajectory planning with a free-swinging end-effector tool. In this work, we propose an RL-based controller that commands the cabin joint and the arm simultaneously. It is trained in a simulation combining data-driven modeling techniques with first-principles modeling. On the one hand, we employ a neural network model to capture the highly nonlinear dynamics of the upper carriage turn hydraulic motor, incorporating explicit pressure prediction to handle delays better. On the other hand, we model the arm as velocity-controllable and the free-swinging end-effector tool as a damped pendulum using first principles. This combined model enhances our simulation environment, enabling the training of RL controllers that can be directly transferred to the real machine. Designed to reach steady-state Cartesian targets, the RL controller learns to leverage the hydraulic dynamics to improve accuracy, maintain high speeds, and minimize end-effector tool oscillations. Our controller, tested on a mid-size prototype material handler, is more accurate than an inexperienced operator and causes fewer tool oscillations. It demonstrates competitive performance even compared to an experienced professional driver.

arxiv情報

著者 Filippo A. Spinelli,Pascal Egli,Julian Nubert,Fang Nan,Thilo Bleumer,Patrick Goegler,Stephan Brockes,Ferdinand Hofmann,Marco Hutter
発行日 2024-10-07 14:47:28+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, cs.SY, eess.SY | コメントする

Towards a Modern and Lightweight Rendering Engine for Dynamic Robotic Simulations

投稿日: 2024年10月8日 作成者: jarxiv

要約

インタラクティブ ダイナミック シミュレータは、新しいロボット制御アルゴリズムや人間とロボットが関与する複雑なシステムを開発するためのアクセラレータです。
ユーザー トレーニングおよび合成データ生成アプリケーションでは、シミュレーションの忠実度の高い視覚化が不可欠です。
視覚的な忠実度は、シミュレートされたシーンのレンダリングに使用されるコンピューター グラフィックス アルゴリズムの品質に依存します。
さらに、リアルタイム パフォーマンスを実現するには、レンダリング アルゴリズムをグラフィックス プロセッシング ユニット (GPU) に実装する必要があり、グラフィックス アプリケーション プログラミング インターフェイス (API) の使用が必要になります。
このペーパーでは、Vulkan グラフィックス API をサポートするパフォーマンス重視の軽量レンダリング エンジンについて説明します。
このエンジンは、インタラクティブなロボット シミュレーション開発に広く使用されている動的シミュレーション フレームワークである非同期マルチボディ フレームワーク (AMBF) の従来のレンダリング パイプラインを最新化するように設計されています。
この新しいレンダリング エンジンは、物理ベース レンダリング (PBR)、アンチエイリアス、レイ トレース シャドウなどのグラフィック機能を実装し、AMBF の画質を大幅に向上させます。
計算実験の結果、このエンジンは GPU の計算時間を 2 ミリ秒以内に維持しながら、700 万を超える三角形を含むシミュレートされたシーンをレンダリングできることがわかりました。

要約(オリジナル)

Interactive dynamic simulators are an accelerator for developing novel robotic control algorithms and complex systems involving humans and robots. In user training and synthetic data generation applications, a high-fidelity visualization of the simulation is essential. Visual fidelity is dependent on the quality of the computer graphics algorithms used to render the simulated scene. Furthermore, the rendering algorithms must be implemented on the graphics processing unit (GPU) to achieve real-time performance, requiring the use of a graphics application programming interface (API). This paper presents a performance-focused and lightweight rendering engine supporting the Vulkan graphics API. The engine is designed to modernize the legacy rendering pipeline of Asynchronous Multi-Body Framework (AMBF), a dynamic simulation framework used extensively for interactive robotics simulation development. This new rendering engine implements graphical features such as physically based rendering (PBR), anti-aliasing, and ray-traced shadows, significantly improving the image quality of AMBF. Computational experiments show that the engine can render a simulated scene with over seven million triangles while maintaining GPU computation times within two milliseconds.

arxiv情報

著者 Christopher John Allison,Haoying Zhou,Adnan Munawar,Peter Kazanzides,Juan Antonio Barragan
発行日 2024-10-07 14:50:19+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.GR, cs.RO, cs.SE | コメントする