通过带估计可供性(affordance)的任务与运动规划实现未知物体的长时域操控
机器人学
2021-08-11 v2 人工智能
摘要
我们提出一种设计和构建通用机器人操控系统的策略,该系统将通用任务与运动规划器与工程化及学习得到的感知模块相集成,以估计未知物体的属性与可供性(affordances)。此类系统是闭环策略,将RGB图像、深度图像和机器人关节编码器测量映射到机器人关节位置指令。我们展示遵循该策略,即便在缺乏关于可操控物体集合、其几何形状及其可供性的先验知识时,任务与运动规划器也能用于规划智能行为。我们探索了实现此类用于分割、属性检测、形状估计和抓取生成的感知模块的几种不同方式。我们展示了这些模块如何集成于PDDLStream任务与运动规划框架内。最后,我们证明该策略能使单一系统执行广泛的真实世界多步操控任务,对广泛类别的物体、物体排列和目标进行泛化,且无需环境先验知识,也无需重新训练。
引用
@article{arxiv.2108.04145,
title = {Long-Horizon Manipulation of Unknown Objects via Task and Motion Planning with Estimated Affordances},
author = {Aidan Curtis and Xiaolin Fang and Leslie Pack Kaelbling and Tomás Lozano-Pérez and Caelan Reed Garrett},
journal= {arXiv preprint arXiv:2108.04145},
year = {2021}
}
备注
The first two authors contributed equally and are listed in alphabetical order