BOMP：料箱优化运动规划
机器人学
2024-11-04 v1 机器学习
摘要
在物流领域，快速计算并执行从料箱中拾取和放置动作的能力对于提高生产力至关重要。我们提出了料箱优化运动规划（BOMP），这是一个运动规划框架，为配备长鼻吸盘的六轴工业机器人规划手臂运动，以从深料箱中取出箱子。BOMP 综合考虑了机器人手臂运动学、驱动限制、被抓取箱子的尺寸以及料箱环境中变化的高度图，以快速生成时间优化、加加速度受限且无碰撞的轨迹。该优化过程使用一个在仿真环境中通过 25,000 个场景及相应轨迹离线训练的深度神经网络进行热启动。在 96 个仿真环境和 15 个物理环境中的实验表明，BOMP 生成的无碰撞轨迹比基线基于采样的规划器快达 58%，比行业标准的“上-过-下”算法快达 36%，而后者在此场景下的成功率极低，仅为 15%。BOMP 还能生成加加速度受限的轨迹，而基线方法则不能。项目网站：https://sites.google.com/berkeley.edu/bomp。
引用
@article{arxiv.2411.00221,
title = {BOMP: Bin-Optimized Motion Planning},
author = {Zachary Tam and Karthik Dharmarajan and Tianshuang Qiu and Yahav Avigal and Jeffrey Ichnowski and Ken Goldberg},
journal= {arXiv preprint arXiv:2411.00221},
year = {2024}
}