利用侧向存取 X-RAY 在货架上进行的机械搜索
机器人学
2020-11-25 v1
摘要
在仓库、零售、医疗、运输和家庭等许多场景中，利用侧向存取高效寻找被遮挡物体是一个常见问题。我们介绍了 LAX-RAY（侧向存取最大占用支撑区域缩减），一个用于自动化货架上被遮挡物体机械搜索的系统。针对此类侧向存取环境，LAX-RAY 将预测目标物体占用支撑分布的感知流水线与机械搜索策略相结合，该策略依次选择遮挡物体将其推至一侧，以尽可能高效地显露目标。在挤出多边形物体和具有已知长宽比的静止目标背景下，我们探索了三种侧向存取搜索策略：分布面积缩减（DAR）、分布熵缩减（DER）和利用支撑分布与先验信息的多时间步分布熵缩减（DER-MT）。我们使用一阶货架模拟器（FOSS）评估这些策略，其中我们模拟了 800 个不同难度的随机货架环境，并在带有 Fetch 机器人和嵌入式 PrimeSense RGBD 相机的物理货架环境中进行评估。87.3% 平均仿真成功率显示了带 2 个预测步的 DER-MT 的更优性能。在机器人上部署时，结果显示所有策略成功率至少 80%，表明 LAX-RAY 能在现实中高效显露目标物体。两种结果均显示，在非平凡情况下，三种所提策略相比具有均匀概率分布假设的基线策略性能显著更优，显示了分布预测的重要性。代码、视频和补充材料可在 https://sites.google.com/berkeley.edu/lax-ray 找到。
引用
@article{arxiv.2011.11696,
title = {Mechanical Search on Shelves using Lateral Access X-RAY},
author = {Huang Huang and Marcus Dominguez-Kuhne and Jeffrey Ichnowski and Vishal Satish and Michael Danielczuk and Kate Sanders and Andrew Lee and Anelia Angelova and Vincent Vanhoucke and Ken Goldberg},
journal= {arXiv preprint arXiv:2011.11696},
year = {2020}
}
备注
Huang Huang and Marcus Dominguez-Kuhne contributed equally