Toward Fine Contact Interactions: Learning to Control Normal Contact Force with Limited Information

要約

物理的接触を細かく制御して物体を器用に操作することは、日常生活の多くの重要な作業に不可欠です。
微細な接触制御の基礎となる基本的な能力は、移動中の接触力を制御する準拠制御、\textit{i.e.} です。
ロボットの場合、最も広く検討されているアプローチは、リアルタイム制御に必要な接触位置と力の情報を収集するための、操作対象のモデルと高価なセンサーに大きく依存しています。
モデルは入手が難しく、センサーは高価であるため、家庭や企業でのパーソナルロボットの導入が妨げられています。
この研究では、低コストで情報が乏しい触覚センサーで構築されたロボット操作システム上で、法線接触力コントローラーのモデルフリー強化学習を実行します。
センシング能力は限られていますが、当社のフォース コントローラーをモーション コントローラーと組み合わせて、オブジェクト操作中の微細な接触インタラクションを可能にすることができます。
掴みにくく器用な操作実験では、有望な結果が実証されています。

要約(オリジナル)

Dexterous manipulation of objects through fine control of physical contacts is essential for many important tasks of daily living. A fundamental ability underlying fine contact control is compliant control, \textit{i.e.}, controlling the contact forces while moving. For robots, the most widely explored approaches heavily depend on models of manipulated objects and expensive sensors to gather contact location and force information needed for real-time control. The models are difficult to obtain, and the sensors are costly, hindering personal robots’ adoption in our homes and businesses. This study performs model-free reinforcement learning of a normal contact force controller on a robotic manipulation system built with a low-cost, information-poor tactile sensor. Despite the limited sensing capability, our force controller can be combined with a motion controller to enable fine contact interactions during object manipulation. Promising results are demonstrated in non-prehensile, dexterous manipulation experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google