Push-Wiper: 분할된 밀기 궤적을 통한 다양한 오염물과 표면에서의 범용 로봇 청소를 향하여

초록

높은 점도와 복잡한 유변학적 특성을 지닌 점성 오염물은 로봇 표면 세정에 있어 여전히 주요한 과제로 남아 있다. 기존의 닦기 방식은 오염물을 확산시키는 경우가 많으며, 문지르기는 더 강한 마찰력을 제공하지만 표면을 손상시킬 위험이 있다. 본 논문에서는 점성 오염물 세정을 응집 문제로 재정의하는 프레임워크인 Push-Wiper를 제안한다. Push-Wiper는 스펀지를 이용하여 분할된 밀기 궤적을 통해 오염물을 점진적으로 모은 후, 응집된 물질을 분리하고 스펀지의 자가 세정을 가능하게 하는 후처리 단계를 수행한다. 우리는 오염물 수집을 위한 단계적 전략을 채택하고, 적응형 밀기 동작 시퀀스를 생성하기 위해 Diffusion Policy를 활용한다. 이러한 시퀀스는 제안하는 임의 표면 자세 보간기(ASPI)와 힘-위치 혼합 제어기를 통해 실행되며, 이를 통해 다양한 공간적 분포를 가진 오염물에 대해 방법이 일반화될 수 있다. Push-Wiper는 제거된 오염 면적의 비율로 정의되는 세정 점수(CS)에서 기준 방법들보다 최대 130% 높은 성능을 달성한다. 추가 학습 없이도 Push-Wiper는 고체 잔여물, 액체 유출물, 미지의 점성 오염물, 그리고 다양한 기하학적 형태의 곡면에 제로샷 방식으로 전이된다. 우리의 실험은 Push-Wiper의 세정 효과성과 강력한 일반화 능력을 입증한다. 프로젝트 웹사이트는 https://push-wiper.github.io/에서 확인할 수 있다.

English

Viscous stains, characterized by high viscosity and complex rheological properties, remain a major challenge for robotic surface cleaning. Conventional wiping often spreads the stain, while scrubbing provides stronger friction but risks damaging the surface. In this paper, we propose Push-Wiper, a framework that reformulates viscous stain cleaning as an aggregation problem. Push-Wiper employs a sponge to progressively gather stains through segmented pushing trajectories, followed by a post-processing phase that detaches the aggregated material and enables sponge self-cleaning. We adopt a stepwise strategy for stain gathering and leverage Diffusion Policy to generate adaptive pushing action sequences. These sequences are executed through our Arbitrary Surface Pose Interpolator (ASPI) and a hybrid force-position controller, allowing the method to generalize to stains with diverse spatial distributions. Push-Wiper achieves a cleaning score (CS), defined as the percentage of stain area removed, up to 130% higher than baseline methods. Without additional training, Push-Wiper also transfers in a zero-shot manner to solid residues, liquid spills, unseen viscous stains, and curved surfaces with varying geometries. Our experiments demonstrate the cleaning effectiveness of Push-Wiper and its strong generalization ability. The project website is available at https://push-wiper.github.io/.