Interactive Imitation Learning of Bimanual Movement Primitives

要約

デュアルロボットセットアップで両手作業を実行すると、産業用途や日常生活用途への影響が大幅に増加する可能性があります。
ただし、両手タスクを実行すると、片腕ポリシーの同期や調整など、多くの課題が生じます。
この記事では、人間の運動感覚のデモンストレーションから直接、単腕または双腕のインピーダンス ポリシーを教えて修正するための、安全な対話型動作プリミティブ学習 (SIMPLe) アルゴリズムを提案します。
さらに、ガウス過程回帰 (GPR) に基づいたポリシーの新しいグラフ エンコーディングを提案します。この手法では、シングルアームの動きが軌道近くに収束し、実証された目標に向かって収束することが保証されています。
ポリシーの認識論的不確実性に応じてロボットの剛性を調整すると、人間のフィードバックや外部摂動に適応してモーションを簡単に再形成することができます。
私たちは、実際の双腕セットアップで SIMPLe アルゴリズムをテストしました。この場合、教師が別々の単腕デモンストレーションを行った後、運動感覚フィードバックのみを使用してそれらを正常に同期させることができました。または、元の双腕デモンストレーションが局所的に再形成されて、異なる高さの箱を選ぶことができました。

要約(オリジナル)

Performing bimanual tasks with dual robotic setups can drastically increase the impact on industrial and daily life applications. However, performing a bimanual task brings many challenges, like synchronization and coordination of the single-arm policies. This article proposes the Safe, Interactive Movement Primitives Learning (SIMPLe) algorithm, to teach and correct single or dual arm impedance policies directly from human kinesthetic demonstrations. Moreover, it proposes a novel graph encoding of the policy based on Gaussian Process Regression (GPR) where the single-arm motion is guaranteed to converge close to the trajectory and then towards the demonstrated goal. Regulation of the robot stiffness according to the epistemic uncertainty of the policy allows for easily reshaping the motion with human feedback and/or adapting to external perturbations. We tested the SIMPLe algorithm on a real dual-arm setup where the teacher gave separate single-arm demonstrations and then successfully synchronized them only using kinesthetic feedback or where the original bimanual demonstration was locally reshaped to pick a box at a different height.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google