Perceiving Extrinsic Contacts from Touch Improves Learning Insertion Policies

要約

オブジェクトの挿入などのロボット操作タスクには、通常、オブジェクトと環境の間の相互作用、つまり外部接触が含まれます。
Neural Contact Fields (NCF) に関する以前の研究では、グリッパーとオブジェクト間の固有の触覚センシングを使用して、シミュレーションで外部接触を推定しました。
ただし、実際のタスクにおけるその有効性と有用性はまだ不明です。
この作業では、NCF を改良して、シミュレーションからリアルへの転送を可能にし、マグカップをカップホルダーに入れるタスクとボウルを食器棚に入れるタスクのポリシーをトレーニングするために使用します。
私たちのモデル NCF-v2 は現実世界での外部接触を推定できることがわかりました。
さらに、NCF-v2 を使用した挿入ポリシーは、NCF-v2 を使用しないポリシーよりも優れたパフォーマンスを示し、マグカップホルダーの場合は 33% 高い成功率と 1.36 倍の実行速度を達成し、食器棚のボウルの場合は 13% 高い成功率と 1.27 倍の高速な実行を達成しました。

要約(オリジナル)

Robotic manipulation tasks such as object insertion typically involve interactions between object and environment, namely extrinsic contacts. Prior work on Neural Contact Fields (NCF) use intrinsic tactile sensing between gripper and object to estimate extrinsic contacts in simulation. However, its effectiveness and utility in real-world tasks remains unknown. In this work, we improve NCF to enable sim-to-real transfer and use it to train policies for mug-in-cupholder and bowl-in-dishrack insertion tasks. We find our model NCF-v2, is capable of estimating extrinsic contacts in the real-world. Furthermore, our insertion policy with NCF-v2 outperforms policies without it, achieving 33% higher success and 1.36x faster execution on mug-in-cupholder, and 13% higher success and 1.27x faster execution on bowl-in-dishrack.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google