基于语言引导的混合高斯扩散的机器人操作目标状态生成
机器人学
2024-12-30 v1
摘要
在机器人操作任务中，实现被操作物体的指定目标状态对于机器人臂的运动规划至关重要。 Specifically，在挂杯子等任务中，必须将杯子置于钩子周围的可行区域内。以前的方法已实现了对杯子生成多个可行目标状态；然而，这些目标状态通常是随机生成的，缺乏对特定生成位置的控制。这一限制使得该方法在存在约束的情况下（例如钩子已被其他杯子占据，或必须满足特定操作目标）效果较差。此外，由于杯子与架子之间频繁的物理相互作用，端到端模型生成的目标状态往往不够精确，导致点云重叠。这种重叠会严重影响后续的机器人臂运动规划。为解决这些挑战，我们提出了一种基于语言引导的混合高斯扩散（Linguistically Guided Hybrid Gaussian Diffusion, LHGD）网络，用于生成操作目标状态，并结合基于重力覆盖系数的目标状态细化方法。为评估在语言指定分布设置下的效果，我们为10种不同杯子在5个不同架子上的10个不同钩子收集了多个可行目标状态。此外，我们准备了5个未见的杯子设计用于验证。实验结果表明，我们的方法在单模式、多模式和语言指定分布操作任务中均取得最高的成功率。进一步地，它显著减少了点云重叠，直接产生无碰撞的目标状态，消除了机器人臂额外障碍规避操作的需求。
引用
@article{arxiv.2412.18877,
title = {Goal State Generation for Robotic Manipulation Based on Linguistically Guided Hybrid Gaussian Diffusion},
author = {Yichen Xu and Faliang Chang and Chunsheng Liu and Dexin Wang},
journal= {arXiv preprint arXiv:2412.18877},
year = {2024}
}