Sim-to-Real Brush Manipulation using Behavior Cloning and Reinforcement Learning

要約

現実世界のシナリオで熟練したブラシ操作機能を開発することは、複雑かつ困難な取り組みであり、アート、ロボット工学、デジタル デザインなどの分野で広範囲に応用されています。
この研究では、シミュレートされた環境と現実世界のブラシ操作の間のギャップを埋めるように設計されたアプローチを紹介します。
私たちのフレームワークは、行動の複製と強化学習を利用してペイント エージェントをトレーニングし、仮想環境と現実世界の両方の環境にシームレスに統合します。
さらに、MyPaint 仮想環境を反映した、ロボット アームとブラシを備えた実際のペイント環境を採用しています。
私たちの結果は、高次元の連続アクション空間のポリシーを取得するエージェントの有効性を強調し、ブラシ操作技術をシミュレーションから実用的な現実世界のアプリケーションにスムーズに移行することを促進します。

要約(オリジナル)

Developing proficient brush manipulation capabilities in real-world scenarios is a complex and challenging endeavor, with wide-ranging applications in fields such as art, robotics, and digital design. In this study, we introduce an approach designed to bridge the gap between simulated environments and real-world brush manipulation. Our framework leverages behavior cloning and reinforcement learning to train a painting agent, seamlessly integrating it into both virtual and real-world environments. Additionally, we employ a real painting environment featuring a robotic arm and brush, mirroring the MyPaint virtual environment. Our results underscore the agent’s effectiveness in acquiring policies for high-dimensional continuous action spaces, facilitating the smooth transfer of brush manipulation techniques from simulation to practical, real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google