SpeedFolding：学习高效的双手衣物折叠
机器人学
2022-09-13 v2 人工智能
摘要
由于衣物复杂的动力学和高维构型空间，可靠且高效地折叠衣物一直是机器人操作中的长期挑战。一种直观的方法是在折叠前先将衣物操作到规范平滑构型。本文中，我们开发了SpeedFolding，一个可靠高效的双手系统，其在给定用户定义的折叠线指令后，将初始皱缩的衣物操作至（1）平滑化以及（2）折叠后的构型。我们的主要贡献是一种新颖的神经网络架构，能够预测夹持器位姿对以参数化多样的双手操作基元。在从4300个人工标注和自监督动作中学习后，机器人能够以平均低于120秒、93%的成功率从随机初始构型折叠衣物。真实世界实验表明，该系统能够泛化到未见过的不同颜色、形状和刚度的衣物。先前工作实现了每小时3-6次折叠（FPH），而SpeedFolding实现了每小时30-40次折叠（FPH）。
引用
@article{arxiv.2208.10552,
title = {SpeedFolding: Learning Efficient Bimanual Folding of Garments},
author = {Yahav Avigal and Lars Berscheid and Tamim Asfour and Torsten Kröger and Ken Goldberg},
journal= {arXiv preprint arXiv:2208.10552},
year = {2022}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2022