Найти в Дзене
HmHm... WTF?
24 подписчика

Исследователи из Carnegie Mellon и Amazon Robotics создали фреймворк для коллаборативной манипуляции командами роботов

1 мин
Исследователи из Carnegie Mellon University и Amazon Robotics разработали фреймворк GCo для коллаборативной манипуляции несколькими роботами и объектами. Фреймворк использует flow-matching co-generation для генерации точек контакта и траекторий манипуляции. Это первое применение дискретно-непрерывной flow-matching co-generation в робототехнике. Существующие методы для коллаборативной манипуляции делятся на два направления. Подходы на основе обучения пытаются изучить весь процесс из данных, но плохо обобщаются и масштабируются. Методы на основе планирования используют структуру для вычисления траекторий, но требуют идеальных моделей и неустойчивы при развертывании в реальном мире. Фреймворк GCo включает три ключевых компонента. Первый компонент — модель flow-matching co-generation, которая предлагает точки контакта и траектории движения для объектов, наблюдаемых через изображения. Второй компонент — новый планировщик многороботного движения Gspi, который вычисляет безопасные координиров

Исследователи из Carnegie Mellon University и Amazon Robotics разработали фреймворк GCo для коллаборативной манипуляции несколькими роботами и объектами. Фреймворк использует flow-matching co-generation для генерации точек контакта и траекторий манипуляции. Это первое применение дискретно-непрерывной flow-matching co-generation в робототехнике.

Существующие методы для коллаборативной манипуляции делятся на два направления. Подходы на основе обучения пытаются изучить весь процесс из данных, но плохо обобщаются и масштабируются. Методы на основе планирования используют структуру для вычисления траекторий, но требуют идеальных моделей и неустойчивы при развертывании в реальном мире.

Фреймворк GCo включает три ключевых компонента. Первый компонент — модель flow-matching co-generation, которая предлагает точки контакта и траектории движения для объектов, наблюдаемых через изображения. Второй компонент — новый планировщик многороботного движения Gspi, который вычисляет безопасные координированные траектории для доставки роботов к целевым конфигурациям. Планировщик также поддерживает координацию на уровне объектов, назначая манипулируемые объекты более крупным целевым структурам.

Исследователи протестировали фреймворк в сложных симуляционных средах. В задачах манипуляции было проведено 286 тестов с командами до 9 роботов и до 5 объектов. В задачах планирования движения было выполнено 270 тестов с командами до 125 роботов. Подход превосходит базовые методы в задачах планирования движения и манипуляции.

Дискретно-непрерывная формулировка GCo показала лучшую производительность среди вариантов фреймворка. Планировщик Gspi решил проблемы с более чем 100 роботами, где предыдущие подходы испытывают трудности. Результаты показывают, что комбинация генеративного проектирования и легковесного планирования эффективна для коллаборативной манипуляции.

Источник новости и обложки: arxiv.org

Читайте также