Core Concepts
ロボットの足と腕を同時に制御して作業空間を拡張する、全身制御の重要性を探究。
Abstract
ロコマニピュレーションの問題を研究。
ロボットが視覚観察で自律的に作業を行う方法を提案。
低レベルポリシーと高レベルポリシーからなるVBCフレームワークを紹介。
シミュレーションでトレーニングし、実際のロボットへの展開にSim2Real転送を実施。
実験で多様なオブジェクトのピックアップで優れた改善点を示す。
ロコマニピュレーションの重要性
足と腕の同時制御が作業能力向上に貢献。
環境やオブジェクトと安定性維持が課題。
VBCフレームワーク
低・高レベルポリシー訓練とSim2Real転送手法紹介。
Unitree B1四足ロボットおよびUnitree Z1ロボットアームで構築されたプラットフォーム。
実世界展開
クライアントサーバー多重処理システム設計。
シミュレータと実世界での比較実験結果。
Stats
VBCはシミュレータ内で34種類の異なるオブジェクトに対して最も優れたパフォーマンスを達成しました。
Quotes
"我々は、VBCフレームワークが異なる高さのオブジェクト上で移動操作(ピックアップ)タスクを解決することができることを示しました。"
"VBCは、容易な基準方法よりも優れており、移動操作問題を別々に分割せずに取り組む利点があります。"