A Learning-based Adaptive Compliance Method for Symmetric Bi-manual Manipulation

要約

対称的な両手操作は、その強力な負荷容量により、軌道上でのさまざまな操作に不可欠です。
その結果、適応性とコンプライアンスを強化しながら高い操作精度を達成するという問題に新たな研究の関心が存在します。
ただし、以前の作業は、モーション プランニングと準拠制御を分離する非効率的なアルゴリズム フレームワークに依存していました。
さらに、手動でパラメータを調整するため、準拠コントローラは堅牢性に欠けます。
この論文では、対称的な両手操作の効率と堅牢性を向上させる、新しい学習ベースの適応コンプライアンス アルゴリズム (LAC) を提案します。
具体的には、最初に、アルゴリズム フレームワークは、目的の軌道生成とインピーダンス パラメーター調整を組み合わせて、効率と堅牢性を向上させます。
次に、LSTM ネットワークを使用した集中型の Actor-Critic フレームワークを導入し、両手操作の同期を強化します。
LSTM ネットワークは、エージェントによって取得された強制状態を前処理し、コンプライアンス操作のパフォーマンスをさらに改善します。
デュアル アームの協調処理とペグ イン ホール アセンブリ実験で評価すると、最適性とロバスト性の点で、この方法はベースライン アルゴリズムよりも優れています。

要約(オリジナル)

Symmetric bi-manual manipulation is essential for various on-orbit operations due to its potent load capacity. As a result, there exists an emerging research interest in the problem of achieving high operation accuracy while enhancing adaptability and compliance. However, previous works relied on an inefficient algorithm framework that separates motion planning from compliant control. Additionally, the compliant controller lacks robustness due to manually adjusted parameters. This paper proposes a novel Learning-based Adaptive Compliance algorithm (LAC) that improves the efficiency and robustness of symmetric bi-manual manipulation. Specifically, first, the algorithm framework combines desired trajectory generation with impedance-parameter adjustment to improve efficiency and robustness. Second, we introduce a centralized Actor-Critic framework with LSTM networks, enhancing the synchronization of bi-manual manipulation. LSTM networks pre-process the force states obtained by the agents, further ameliorating the performance of compliance operations. When evaluated in the dual-arm cooperative handling and peg-in-hole assembly experiments, our method outperforms baseline algorithms in terms of optimality and robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google