SPONGE：基于几何特征的可变形-刚体接触预测的序列规划方法
机器人学
2023-03-27 v1
摘要
规划机器人操作任务，尤其是涉及可变形与刚体对象交互的任务，由于预测此类交互的复杂性而具有挑战性。我们提出SPONGE，一种由基于深度学习的接触预测模型驱动的序列规划流水线，用于预测交互中可变形与刚体间的接触。该接触预测模型在开发的仿真环境生成的合成数据上训练，以学习从刚体目标对象的点云观测和可变形工具的位姿到两物体间接触点三维表示的映射。我们在仿真中及在配备真实物体的真实\panda上针对洗碗任务对所提方法进行了实验评估。实验结果表明，两种场景下该规划流水线均能生成高质量轨迹，通过对不同尺寸和曲率对象实现超过90%面积覆盖率并最小化移动距离来完成任务。代码与视频见：\url{https://irobotics.aalto.fi/sponge/}。
引用
@article{arxiv.2303.14012,
title = {SPONGE: Sequence Planning with Deformable-ON-Rigid Contact Prediction from Geometric Features},
author = {Tran Nguyen Le and Fares J. Abu-Dakka and Ville Kyrki},
journal= {arXiv preprint arXiv:2303.14012},
year = {2023}
}
备注
Submitted to 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)