学习用于食物获取的双手舀取策略
机器人学
2022-11-29 v1 人工智能
机器学习
摘要
机器人喂食系统必须能够获取多种食物。先前的取食工作考虑单臂勺舀或叉刺，无法泛化到具有复杂几何形状与可变形性的食物。例如，在获取一堆豌豆时，叉刺可能会压碎豌豆，而无遮挡的勺舀可能导致在盘子上追逐豌豆。为了获取具有如此多样属性的食物，我们提出在舀取时使用第二只手臂稳定食物，例如用平面将豌豆推向勺子以防止散开。增加的稳定臂会带来新的挑战。关键在于，该手臂应在不干扰获取动作的情况下稳定食物场景，这对于豆腐等易碎的高风险食物尤为困难。这些高风险食物在舀取时可能在推板与勺子之间破碎，导致食物浪费掉出勺子。我们提出一种通用的双手舀取基元与自适应稳定策略，能够成功获取具有不同几何形状与物理属性的多样食物。我们的方法 CARBS（Coordinated Acquisition with Reactive Bimanual Scooping，基于反应式双手舀取的协同获取）通过识别高风险食物并利用闭环视觉反馈稳健舀取，学会在不阻碍任务进展的情况下进行稳定。我们发现 CARBS 能够跨食物形状、尺寸与可变形性进行泛化，并且还能同时操控多个食物项。CARBS 在舀取刚性食物上达到 87.0% 的成功率，比单臂基线高 25.8%，并且相比解析基线将食物破碎减少了 16.2%。视频见 https://sites.google.com/view/bimanualscoop-corl22/home 。
引用
@article{arxiv.2211.14652,
title = {Learning Bimanual Scooping Policies for Food Acquisition},
author = {Jennifer Grannen and Yilin Wu and Suneel Belkhale and Dorsa Sadigh},
journal= {arXiv preprint arXiv:2211.14652},
year = {2022}
}
备注
Conference on Robot Learning (CoRL) 2022. First two authors contributed equally