Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Object Placement Planning and Optimization for Robot Manipulators
KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.ORCID-id: 0000-0002-5821-7435
Department of Mechanical Engineering and Material Science, Yale University.ORCID-id: 0000-0003-4132-1217
Center for Applied Autonomous Sensor Systems (AASS), Örebro University.ORCID-id: 0000-0003-3958-6179
KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.ORCID-id: 0000-0003-2965-2953
2019 (Engelska)Ingår i: 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2019), 2019Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

We address the problem of planning the placement of a rigid object with a dual-arm robot in a cluttered environment. In this task, we need to locate a collision-free pose for the object that a) facilitates the stable placement of the object, b) is reachable by the robot and c) optimizes a user-given placement objective. In addition, we need to select which robot arm to perform the placement with. To solve this task, we propose an anytime algorithm that integrates sampling-based motion planning with a novel hierarchical search for suitable placement poses. Our algorithm incrementally produces approach motions to stable placement poses, reaching placements with better objective as runtime progresses. We evaluate our approach for two different placement objectives, and observe its effectiveness even in challenging scenarios.

Ort, förlag, år, upplaga, sidor
2019.
Nyckelord [en]
Motion planning, Object placing
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Forskningsämne
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-264015OAI: oai:DiVA.org:kth-264015DiVA, id: diva2:1371694
Konferens
International Conference on Intelligent Robots and Systems (IROS), Macau, China, November 4-8, 2019
Forskningsfinansiär
Stiftelsen för strategisk forskning (SSF)Knut och Alice Wallenbergs Stiftelse
Anmärkning

QC 20191210

Tillgänglig från: 2019-11-20 Skapad: 2019-11-20 Senast uppdaterad: 2020-01-31Bibliografiskt granskad
Ingår i avhandling
1. Robot Manipulation Planning Among Obstacles: Grasping, Placing and Rearranging
Öppna denna publikation i ny flik eller fönster >>Robot Manipulation Planning Among Obstacles: Grasping, Placing and Rearranging
2020 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
Abstract [en]

This thesis presents planning algorithms for three different robot manipulation tasks: fingertip grasping, object placing and rearranging. Herein, we place special attention on addressing these tasks in the presence of obstacles. Obstacles are frequently encountered in human-centered environments and constrain a robot's motion and ability to manipulate objects. In narrow shelves, for example, even the common task of pick-and-place becomes challenging. A shelf is difficult to navigate and many potential grasps and placements are inaccessible. Hence, to solve such tasks, specialized manipulation planning algorithms are required that can cope with the presence of obstacles.

For fingertip grasping, we first present a framework to learn models that encode which grasps a given dexterous robot hand can reach. These models are then used to facilitate planning and optimization of fingertip grasps. Next, we address the presence of obstacles and integrate fingertip grasp and motion planning to generate grasps that are reachable by a robot in complex scenes.

For object placing, we first present an algorithm that plans the placement of a grasped object among obstacles so that a user-given placement objective is maximized. We then extend this algorithm, and incorporate planning in-hand manipulation to increase the set of placements a robot can reach.

Lastly, we go beyond pure collision avoidance and study object rearrangement planning. Specifically, we consider the special case of non-prehensile rearrangement, where a robot rearranges multiple objects through pushing. First, we present how a kinodynamic motion planning algorithm can be augmented with learned models to rearrange a few target objects among movable and static obstacles. We then present how we can use Monte Carlo tree search to solve a large-scale rearrangement problem, where a robot is tasked to spatially sort many objects according to a user-assigned class membership.

Abstract [sv]

Den här avhandlingen presenterar planeringsalgoritmer för tre olika ma-nipulationsuppgifter för robotar i närheten av hinder: att greppa med hjälpav fingertopparna, att placera objekt och att arrangera om flertalet objekt iolika konfigurationer. Hinder finns oftast i människors miljöer och begränsaren robots rörelse och förmåga att manipulera objekt. Till exempel är den tillsynes enkla uppgiften att hämta och placera objekt i smala hyllor mycketsvår för robotar. Planering av manipulering i detta fall blir svårt därför attmånga rörelser och grepp kommer att kollidera med hinder. För att lösa dessauppgifter behöver man speciella algoritmer som kan hantera dessa hinder imiljön.

För grepp med fingertoppar presenterar vi ett ramverk för inlärning avmodeller som representerar vilka grepp en robothand kan utföra. Dessa mo-deller används sedan för att planera och optimera grepp som sker med hjälpav fingertopparna. Därefter integreras planeringsalgoritmen med rörelsepla-nering för att kunna planera fingertoppsgrepp där också hinder existerar iobjektets närhet.

För objektsplaceringar presenterar vi ett ramverk för att planera hur enrobot kan transportera ett greppat objekt till en placering som optimerar engiven kostnadsfunktion. Därefter utvecklar vi detta ramverk för att visa hurså kallad in-hand manipulation (att byta grepp utan att släppa objektet) kanöka antalet möjliga placeringar som roboten kan utföra.

Till slut utökar vi våra metoder bortom endast undvikande av kollisionoch studerar planering för omarrangering av objekt. Vi studerar det speciellafallet non-prehensile rearrangement där en robot måste ordna om flertaletobjekt genom att skjuta dem framför sig. Vi presenterar först hur en kino-dynamisk rörelseplaneringsalgoritm kan förbättras genom inlärda modeller.Detta görs i syftet att hitta rörelsesekvenser som kan ordna flertalet objekt tillgivna konfigurationer. Sedan presenterar vi hur vi kan använda Monte Carlo-trädsök för att lösa ett stort sådant problem där objekt ska om-arrangeras. Idetta problem ska roboten sortera objekt enligt kategorier som en användarehar specifierat.

Ort, förlag, år, upplaga, sidor
Stockholm: KTH Royal Institute of Technology, 2020. s. 52
Serie
TRITA-EECS-AVL ; 2020:6
Nyckelord
robot manipulation planning, sampling-based planning, fingertip grasp planning, placement planning, rearrangement planning
Nationell ämneskategori
Datavetenskap (datalogi) Datorseende och robotik (autonoma system)
Forskningsämne
Datalogi
Identifikatorer
urn:nbn:se:kth:diva-266792 (URN)978-91-7873-411-5 (ISBN)
Disputation
2020-02-17, F3, Lindstedtsvägen 26, Stockholm, 13:00 (Engelska)
Opponent
Handledare
Anmärkning

QC 20200124

Tillgänglig från: 2020-01-24 Skapad: 2020-01-22 Senast uppdaterad: 2020-01-24Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Conference webpage

Personposter BETA

Hang, KaiyuStork, Johannes A.Kragic, Danica

Sök vidare i DiVA

Av författaren/redaktören
Haustein, Joshua AlexanderHang, KaiyuStork, Johannes A.Kragic, Danica
Av organisationen
Robotik, perception och lärande, RPL
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 15 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf