A3D: 적응형 어포던스 기반 이중 팔 조작을 이용한 조립

A3D: Adaptive Affordance Assembly with Dual-Arm Manipulation

가구 조립은 로봇에게 있어 매우 중요하지만 어려운 과제이며, 이는 정밀한 이중 팔 협응을 필요로 합니다. 한 팔은 부품을 조작하고, 다른 팔은 협력적인 지지 및 안정화를 제공해야 합니다. 이러한 작업을 보다 효과적으로 수행하기 위해, 로봇은 장기적인 조립 과정 전반에 걸쳐 능동적으로 지지 전략을 조정해야 하며, 다양한 부품 형상에 대한 일반화 능력도 갖춰야 합니다. 본 연구에서는 A3D라는 프레임워크를 제안합니다. A3D는 적응형 어포던스를 학습하여 가구 부품의 최적 지지 및 안정화 위치를 파악합니다. 제안하는 방법은 부품 간의 상호 작용 패턴을 모델링하기 위해 밀집된 점 기반의 기하학적 표현을 사용하며, 이를 통해 다양한 형상에 대한 일반화가 가능합니다. 또한, 변화하는 조립 상태를 처리하기 위해, 상호 작용 피드백을 활용하여 이전 상호 작용을 기반으로 조립 과정 중 지지 전략을 동적으로 조정하는 적응 모듈을 도입했습니다. 본 연구에서는 이중 팔 협업 평가를 위한 50가지 다양한 부품과 8가지 가구 유형을 포함하는 시뮬레이션 환경을 구축했습니다. 실험 결과는 제안하는 프레임워크가 시뮬레이션 및 실제 환경 모두에서 다양한 부품 형상 및 가구 범주에 대해 효과적으로 일반화됨을 보여줍니다.

Furniture assembly is a crucial yet challenging task for robots, requiring precise dual-arm coordination where one arm manipulates parts while the other provides collaborative support and stabilization. To accomplish this task more effectively, robots need to actively adapt support strategies throughout the long-horizon assembly process, while also generalizing across diverse part geometries. We propose A3D, a framework which learns adaptive affordances to identify optimal support and stabilization locations on furniture parts. The method employs dense point-level geometric representations to model part interaction patterns, enabling generalization across varied geometries. To handle evolving assembly states, we introduce an adaptive module that uses interaction feedback to dynamically adjust support strategies during assembly based on previous interactions. We establish a simulation environment featuring 50 diverse parts across 8 furniture types, designed for dual-arm collaboration evaluation. Experiments demonstrate that our framework generalizes effectively to diverse part geometries and furniture categories in both simulation and real-world settings.