Pack it in: Packing into Partially Filled Containers Through Contact
本文提出了一种接触感知装箱方法，该方法利用物理感知系统和基于接触的多物体轨迹优化器，使机器人能够通过有意识地与现有物体交互并重新排列它们以创造必要空间，从而成功将新物品放入部分装满的容器中。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在为一次旅行收拾行李箱。通常，你会从一个空袋子开始，仔细地将衣服折叠好放进去。但如果你试图往一个已经塞得满满当当的行李箱里塞进最后一件衬衫，而里面的衣服已经变得凌乱不堪、紧紧挤作一团，该怎么办呢？此时，并没有一个大的空位可以让你直接把衬衫丢进去。
在现实世界中，仓库机器人正面临完全相同的问题。它们需要将新物品放入已经半满的箱子中，但箱内的物品已经发生了移动，没有留下任何清晰的空间。传统的机器人被编程为“无碰撞”运行，这意味着它们被指令永远不要触碰任何物体。如果没有空余空间，它们就会直接放弃。
本文介绍了一种更聪明的机器人，它懂得如何像玩“叠叠乐”（Jenga）一样与行李箱互动。它不是去回避混乱，而是学会推、挪和滑动现有的物品，以便为新的物品腾出空间，所有这些动作都在一次流畅的连贯动作中完成。
以下是该系统的运作原理，分为三个简单的部分：
1. “推入共舞”（轨迹优化）
想象一下，你试图将一本书滑进一个拥挤的书架。你不能直接硬塞进去；你必须一边滑入新书，一边将左侧的书籍稍微向右推。
机器人使用一种称为iLQR的复杂数学技巧来实现这一点。你可以将其想象为机器人在脑海中运行一部超高速电影。它模拟了成千上万种移动机械臂的方式。它会问：“如果我把这个红色的罐子向左推，它会撞到绿色的盒子吗？如果我轻推蓝色的盒子，它会滑开吗？”
它找到了一条路径，让机器人的机械臂与杂乱物品发生物理接触，将物品推开到刚好能创造出微小缝隙的程度，然后同时将新物体滑入该缝隙。它不会停下来先重新整理所有东西，而是同时进行重新整理和装箱。
2. “水晶球”（物理感知）
这是棘手之处：当机器人推挤物品时，它自己的机械臂和它手中的物体往往会遮挡摄像头的视线。这就像试图在有人正站在台球桌前时观看台球比赛一样。机器人会失去对刚刚推过的物品的视线。
为了解决这个问题，机器人使用了一个“物理水晶球”。即使它无法看见某个物体，它也知道该物体有多重以及它如何移动。如果机器人推了一个盒子，而摄像头跟丢了它，机器人会计算：“我用这么大的力推了它，所以它一定移动到了这个位置。”它将所见与对物理规律的认知相结合，即使在物品被遮挡时也能追踪它们。
3. “智能猜测”（放置规划器）
在机器人甚至开始移动之前，它必须决定将新物品放在哪里。如果它选择了一个过于拥挤的位置，整个计划就会失败。
该系统就像玩俄罗斯方块。它在脑海中快速测试数百个不同的位置。对于每个位置，它会模拟放入新物品并观察现有物品如何反应。
- 糟糕的位置：新物品试图进入，但它将所有东西都向上推（就像试图把方形的钉子塞进圆形的孔里）。系统会拒绝这个位置。
- 好的位置：新物品滑入，轻轻将邻居向侧面推，所有东西都平稳地落在底部。系统会选择这个位置。
结果：效果如何？
研究人员在实验室中用真实的机械臂测试了该系统。他们创建了 40 种不同的混乱场景，其中容器里已经装满了随机物品（如罐子和盒子）。
- 获胜者：他们的新系统，名为PackItIn，成功装箱的比例达到了70%。
- 失败者：他们将其与两个“愚蠢”的版本进行了比较：
- 一个不知道将物品放在哪里的版本（随机猜测）。
- 一个不理解物理规律的版本（它认为物品是幽灵，不会移动）。
这两个版本几乎每次都失败了（成功率仅为 17-20% 左右）。
为什么它有时会失败？
机器人失败的主要原因有两点：
- 抓握：机器人使用简单的真空泵来夹持物品。当它推其他物体时，物品有时会旋转或从吸盘上滑落。
- 视线：有时摄像头被遮挡得太严重，导致机器人的“物理水晶球”无法正确猜测位置，从而导致碰撞。
结论
本文表明，机器人并不总是需要温柔并避免触碰物体。有时，为了在拥挤的空间中完成任务，它们需要稍微强硬一些。通过结合智能规划、用于追踪隐藏物体的“水晶球”以及在装箱时推开物品的能力，机器人比以前能更好地处理混乱的现实世界仓库环境。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。