LAVA：基于长时程视觉动作的食物获取
机器人学
2024-03-20 v1 人机交互
摘要
机器人辅助喂养 (RAF) 解决了行动受限者自行喂养的基本需求。RAF 的目标是使用机器人手臂获取食物并将其转移到受助者手中。现有的 RAF 方法主要关注固体食物，缺乏针对半固体和可变形食物的操纵策略。本研究引入基于长时程视觉动作 (LAVA) 的液体、半固体和可变形食物获取。长时程指的是通过顺序获取食物来"清空碗中"的目标。LAVA 采用层次化策略进行长时程食物获取任务。该框架利用 ScoopNet 高层次策略确定基本动作。中层次采用视觉方法确定基本动作的参数。为在实际环境中执行顺序计划，LAVA 采用基于低层次策略的动作执行，该策略使用来自中层次策略的参数并通过行为克隆确保精确的轨迹执行。我们在涉及颗粒状、液体、半固体、可变形食物类型以及水果块和汤获取的复杂真实世界获取试验中验证了我们的方案。在 46 个碗中，LAVA 的成功率为 89±4%，显著优于基线方法，并能在食物位置、种类和碗中食物量等真实世界盘子变化中得到泛化。代码、数据集、视频和补充材料可在我们的网站上找到。
引用
@article{arxiv.2403.12876,
title = {LAVA: Long-horizon Visual Action based Food Acquisition},
author = {Amisha Bhaskar and Rui Liu and Vishnu D. Sharma and Guangyao Shi and Pratap Tokekar},
journal= {arXiv preprint arXiv:2403.12876},
year = {2024}
}
备注
8 pages, 8 figures