MoMa-Pos：一种高效的物体运动学感知移动操作基座放置优化框架
机器人学
2024-10-30 v2
摘要
在这项工作中，我们提出了MoMa-Pos，一个优化移动机械臂基座放置的框架，专注于在具有刚体和铰接物体的环境中的导航-操作任务。基座放置在这种环境中尤为关键，如果未充分考虑物体的运动学，不恰当的定位会严重阻碍任务执行。MoMa-Pos通过优先考虑与任务相关的关键物体来选择性地重建环境，提高计算效率并确保只处理必要的运动学细节。该框架利用基于图的神经网络预测物体重要性，允许聚焦建模同时最小化不必要的计算。此外，MoMa-Pos将逆可达性图与环境运动学属性相结合，以识别针对特定机器人模型的可行基座位置。大量评估表明，MoMa-Pos在真实和模拟环境中均优于现有方法，在不同设置和机器人模型上提供了更高的效率、精度和适应性。补充材料见https://yding25.com/MoMa-Pos
引用
@article{arxiv.2403.19940,
title = {MoMa-Pos: An Efficient Object-Kinematic-Aware Base Placement Optimization Framework for Mobile Manipulation},
author = {Beichen Shao and Nieqing Cao and Yan Ding and Xingchen Wang and Fuqiang Gu and Chao Chen},
journal= {arXiv preprint arXiv:2403.19940},
year = {2024}
}
备注
Submitted to ICRA 2025