[Ingediend op 6 mei 2020]

PDF downloaden

Abstract: Robots die in huishoudelijke omgevingen werken, moeten voorwerpen op planken vinden,
onder tafels en in kasten. Eerder werk formuleerde vaak het zoeken naar objecten
probleem als POMDP (Partially Observable Markov Decision Process), maar toch
beperk de zoekruimte in 2D. We stellen een nieuwe aanpak voor die het mogelijk maakt
robot om efficiënt naar objecten in 3D te zoeken, rekening houdend met occlusies.
We modelleren het probleem als een objectgeoriënteerde POMDP, waar de robot een ontvangt
volumetrische observatie van een kijkstomp en moet een beleid opleveren
efficiënt zoeken naar objecten. Om de uitdaging van de grote staat aan te pakken en
observatieruimten, stellen we eerst een per-voxel observatiemodel voor dat
vermindert drastisch de observatiegrootte die nodig is voor planning. Dan gaan we
een op octrooi gebaseerde geloofsrepresentatie presenteren die overtuigingen vangt
verschillende resoluties en ondersteunt efficiënte exacte geloofsupdate. Eindelijk, wij
een online planningsalgoritme met meerdere resoluties ontwerpen dat gebruikmaakt van de
resolutie lagen in de octree structuur als niveaus van abstracties naar de
oorspronkelijke POMDP-probleem. Onze evaluatie in een gesimuleerd 3D-domein laat zien dat, zoals
de probleemschalen, onze aanpak presteert aanzienlijk beter dan de basislijnen zonder
resolutiehiërarchie met 25% -35% in cumulatieve beloning. We demonstreren de
bruikbaarheid van onze aanpak op een torso-aangedreven mobiele robot op zoek naar
objecten in gebieden van een rommelige labomgeving waar objecten verschijnen
oppervlakken op verschillende hoogtes.