Learning Inertial Parameter Identification of Unknown Object with Humanoid Robot using Sim-to-Real Adaptation

要約

未知の物体のダイナミクスを理解することは、ヒューマノイドを含む協働ロボットが人間とより安全かつ正確に対話するために重要です。
関連する文献のほとんどは、力/トルク センサー、物体に関する事前知識、視覚システム、および長距離軌道を活用していますが、これらは多くの場合非現実的です。
さらに、これらの方法では多くの場合、非線形最適化問題の解決が必要となり、物理的に矛盾した結果が生じる場合があります。
この研究では、より実用的な方法として、高速学習ベースの慣性パラメータ推定を提案します。
高忠実度シミュレーションで信頼性の高いデータセットを取得し、時系列データ駆動型回帰モデル (LSTM など) をトレーニングして、未知の物体の慣性パラメーターを推定します。
また、ロボット システムの識別とガウス プロセスを組み合わせて、トレーニングされたモデルを現実世界のアプリケーションに直接転送する、新しいシミュレーションからリアルへの適応方法も紹介します。
物理車輪付きヒューマノイド ロボット SATYRR の 4-DOF シングル マニピュレータを使用してこの方法を実証します。
結果は、私たちの方法がさまざまな未知の物体の慣性パラメータを従来の方法よりも高速かつ正確に特定できることを示しています。

要約(オリジナル)

Understanding the dynamics of unknown object is crucial for collaborative robots including humanoids to more safely and accurately interact with humans. Most relevant literature leverage a force/torque sensor, prior knowledge of object, vision system, and a long-horizon trajectory which are often impractical. Moreover, these methods often entail solving non-linear optimization problem, sometimes yielding physically inconsistent results. In this work, we propose a fast learningbased inertial parameter estimation as more practical manner. We acquire a reliable dataset in a high-fidelity simulation and train a time-series data-driven regression model (e.g., LSTM) to estimate the inertial parameter of unknown objects. We also introduce a novel sim-to-real adaptation method combining Robot System Identification and Gaussian Processes to directly transfer the trained model to real-world application. We demonstrate our method with a 4-DOF single manipulator of physical wheeled humanoid robot, SATYRR. Results show that our method can identify the inertial parameters of various unknown objects faster and more accurately than conventional methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google