We present a method for a robot to automatically arrange objects using task and motion planning. To arrange objects automatically using a robot, we need a target layout of objects, which guides the robot where to place those objects. We synthesize such a target layout by considering hierarchical and spatial relationships between parent and child objects, and pairwise relationships. These relationships are pre-extracted from positive examples as a training step. Once we have the target layout, we can use any task and motion planner to reach the target layout from an arbitrary object layout. Given this overall approach, we also propose a priority layer to arrange objects efficiently. The priority layer estimates costs of moving objects and processes an object in a greedy manner to reduce the overall execution time. For estimating such costs, our method estimates the distance traveled by the robot and the number of actions a robot will take to reach the target position. We tested our method in five different scenes with varying numbers of cluttered objects and applied our method to two well-known task planners with target layouts computed by our layout computation method. As a result, our method enables a PR2 robot to arrange cluttered objects by considering positive examples. Additionally, we found that our priority layer reduces the total running time up to two times over prior task planners used with our computed layouts.
본 논문은 로봇이 Task and Motion planning 알고리즘을 이용하여 자동으로 물체를 정리하는 방법을 제시한다. 로봇이 자동으로 물체를 정리하기 위해서는 어지럽혀진 물체를 어디에 두어야 하는지를 알아야 한다. 우리는 3D 모델들로 구성된 잘 정리된 씬을 만들어서 목표를 선정하여 준다. 정리된 씬은 물체의 관계, 물체와 인간과의 관계를 고려하여 만든다. 이런 관계들은 미리 잘 정리된 씬으로부터 추출하여 학습한다. 이렇게 만들어진 정리된 씬이 만들어지면, 임의의 어지럽혀진 씬으로부터 정리된 씬으로 도달하기 위해 Task and Motion planning 알고리즘을 사용한다. 또한 이러한 전반적인 접근 방식을 고려하여, 우리는 효율적으로 물체를 정리하기 위한 Priority layer를 제안한다. Priority layer는 전체 실행 시간을 줄이기 위해 물체를 옮기기 위한 비용을 계산하는 그리디 방식으로 처리한다. 이러한 비용을 추정하기 위해 우리는 로봇이 이동할 거리와 로봇이 각 목표 위치에 취할 행동의 수를 추정한다. 우리는 다양한 수의 객체로 5 가지 장면에서 테스트하고 Priority layer를 2개의 잘 알려진 Task and Motion planner에 적용하였다. 결과적으로, 우리의 방법은 잘 정리된 씬으로부터 PR2 로봇이 물체를 정리할 수 있도록 하였다. 또한 우리가 제안한 Priority layer가 최종적인 시간을 기존의 Task and Motion planner 보다 최대 2배까지 줄이는 것을 보였다.
