大规模包裹操作中的抓取规划策略
机器人学
2023-10-10 v2 人工智能
机器学习
摘要
仓储操作自动化可降低物流间接成本，最终压低消费者端价格、加快配送速度并增强对市场波动的韧性。本扩展摘要展示了Amazon Robotics机器人诱导（Robin）机群中从非结构化堆积中进行的规模化包裹操作，该机群用于每日最多抓取与分离600万个包裹，迄今已操作超20亿个包裹。它描述了随时间开发的多种启发式方法及其后继者，后者利用基于真实生产数据训练的抓取成功预测器。据作者所知，该工作是学习式抓取质量估计方法在真实生产系统中的首次大规模部署。
引用
@article{arxiv.2309.13224,
title = {Pick Planning Strategies for Large-Scale Package Manipulation},
author = {Shuai Li and Azarakhsh Keipour and Kevin Jamieson and Nicolas Hudson and Sicong Zhao and Charles Swan and Kostas Bekris},
journal= {arXiv preprint arXiv:2309.13224},
year = {2023}
}
备注
2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Learning Meets Model-based Methods for Manipulation and Grasping Workshop