オープンワールドにおける関節物体のための適応型モバイルマニピュレーション
Adaptive Mobile Manipulation for Articulated Objects In the Open World
January 25, 2024
著者: Haoyu Xiong, Russell Mendonca, Kenneth Shaw, Deepak Pathak
cs.AI
要旨
家庭のような開放的な非構造化環境におけるロボットの展開は、長年にわたる研究課題となってきました。しかし、ロボットはしばしば閉鎖的な実験室環境でのみ研究され、従来の移動操作研究は「ピック・ムーブ・プレース」に限定されており、これはこの分野の氷山の一角に過ぎないと言えます。本論文では、現実的な関節のある物体の操作（例えば、実際のドア、キャビネット、引き出し、冷蔵庫など）を開放的な非構造化環境で扱うためのフルスタックアプローチである「Open-World Mobile Manipulation System」を紹介します。このロボットは、適応学習フレームワークを利用して、最初に少量のデータから行動クローニングを通じて学習し、その後、訓練分布外の新しい物体に対するオンライン実践から学習します。また、約20,000ドルのコストで、非構造化環境において安全かつ自律的にオンライン適応が可能な低コストの移動操作ハードウェアプラットフォームを開発しました。実験では、CMUキャンパス内の4つの建物にわたる20の関節物体を利用しました。各物体に対して1時間未満のオンライン学習を行うことで、システムは行動クローニングの事前訓練時の50%の成功率から、オンライン適応を用いて95%まで成功率を向上させることができました。ビデオ結果はhttps://open-world-mobilemanip.github.io/でご覧いただけます。
English
Deploying robots in open-ended unstructured environments such as homes has
been a long-standing research problem. However, robots are often studied only
in closed-off lab settings, and prior mobile manipulation work is restricted to
pick-move-place, which is arguably just the tip of the iceberg in this area. In
this paper, we introduce Open-World Mobile Manipulation System, a full-stack
approach to tackle realistic articulated object operation, e.g. real-world
doors, cabinets, drawers, and refrigerators in open-ended unstructured
environments. The robot utilizes an adaptive learning framework to initially
learns from a small set of data through behavior cloning, followed by learning
from online practice on novel objects that fall outside the training
distribution. We also develop a low-cost mobile manipulation hardware platform
capable of safe and autonomous online adaptation in unstructured environments
with a cost of around 20,000 USD. In our experiments we utilize 20 articulate
objects across 4 buildings in the CMU campus. With less than an hour of online
learning for each object, the system is able to increase success rate from 50%
of BC pre-training to 95% using online adaptation. Video results at
https://open-world-mobilemanip.github.io/