ロボットが狭い空間に物体を詰め込むための新しい技術(New technique helps robots pack objects into a tight space)

ad

2023-10-17 マサチューセッツ工科大学(MIT)

◆MITの研究者は、密な荷物の詰め込み課題を効率的に解決するためのAIモデルを開発しました。このモデルは、さまざまな制約を同時に満たすために訓練された機械学習モデルのコレクションを使用し、他の方法よりも速く効果的な解決策を生成し、新しい組み合わせの制約と大量のオブジェクトを処理できます。
◆この汎用性のある技術は、ロボットが荷物詰め込みなどの複雑なタスクを理解し、制約を満たす方法を学ぶのに使用でき、倉庫での受注処理から家庭の本棚の整理まで多くの異なる環境で応用できる可能性があります。この技術は、継続的な制約の克服課題を解決するのに特に役立ち、他のアプローチに比べて訓練データの量を大幅に減少させます。将来的には、より複雑な状況でのテストや、新しいデータへの再訓練なしに異なるドメインの問題に対処できるようにしたいとのことです。

<関連情報>

構成拡散に基づく連続制約解消法
Compositional Diffusion-Based Continuous Constraint Solvers

Zhutian Yang, Jiayuan Mao, Yilun Du, Jiajun Wu, Joshua B. Tenenbaum, Tomás Lozano-Pérez, Leslie Pack Kaelbling
arXiv  Submitted on 2 Sep 2023
DOI:https://doi.org/10.48550/arXiv.2309.00966

This paper introduces an approach for learning to solve continuous constraint satisfaction problems (CCSP) in robotic reasoning and planning. Previous methods primarily rely on hand-engineering or learning generators for specific constraint types and then rejecting the value assignments when other constraints are violated. By contrast, our model, the compositional diffusion continuous constraint solver (Diffusion-CCSP) derives global solutions to CCSPs by representing them as factor graphs and combining the energies of diffusion models trained to sample for individual constraint types. Diffusion-CCSP exhibits strong generalization to novel combinations of known constraints, and it can be integrated into a task and motion planner to devise long-horizon plans that include actions with both discrete and continuous parameters. Project site: this https URL

1500経営工学一般
ad
ad
Follow
ad
タイトルとURLをコピーしました