货架上基于高效物体堆叠与卸堆的机械搜索
机器人学
2022-07-07 v1
摘要
堆叠可提高货架的存储效率，但可见性与可操作性的缺失使得揭示并提取目标物体的机械搜索问题对机器人而言十分困难。本文将侧向存取机械搜索问题扩展至含堆叠物品的货架场景，并提出两种新颖策略——面向堆叠场景的分布区域缩减（DARSS）与面向堆叠场景的蒙特卡洛树搜索（MCTSSS）——它们使用卸堆与重堆动作。MCTSSS 通过考虑每个潜在动作之后的未来状态，改进了先前的前瞻策略。在配备刀片与吸盘的 Fetch 机器人上进行的 1200 次仿真与 18 次实物试验表明，卸堆与重堆动作在仿真中以 82–100%、在实物实验以 66–100% 的成功率揭示目标物体，且对于搜索密集堆放的货架至关重要。在仿真实验中，两种策略均优于基线策略并取得相近成功率，但相较于拥有完整状态信息的预言机（oracle）策略需更多步骤。在仿真与实物实验中，DARSS 在揭示目标的中位步骤数上优于 MCTSSS，但 MCTSSS 在实物实验中成功率更高，表明其对感知噪声具有鲁棒性。补充材料见 https://sites.google.com/berkeley.edu/stax-ray。
引用
@article{arxiv.2207.02347,
title = {Mechanical Search on Shelves with Efficient Stacking and Destacking of Objects},
author = {Huang Huang and Letian Fu and Michael Danielczuk and Chung Min Kim and Zachary Tam and Jeffrey Ichnowski and Anelia Angelova and Brian Ichter and Ken Goldberg},
journal= {arXiv preprint arXiv:2207.02347},
year = {2022}
}