Survey of Learning Approaches for Robotic In-Hand Manipulation

要約

人間の器用さは、複雑なタスクにおいてオブジェクトを正確に操作するための非常に貴重な能力です。
同様に物体を把握し、手で操作するロボットの能力は、絶えず変化する人間環境でロボットを使用するため、また人間の代わりにロボットを使用するために重要です。
ここ数十年、ロボット システムに手による操作機能を提供するために多大な努力が払われてきました。
初期のロボットマニピュレーターは慎重にプログラムされた経路に従いましたが、その後の試みでは動作と接触の分析モデリングに基づいたソリューションが提供されました。
しかし、これらは複雑な環境や不確実性に対処できないため、実用的な解決策を提供できていません。
したがって、さまざまなタスクを完了するための繰り返しの試行中に、現実世界またはシミュレーションを通じてデータが収集される学習ベースのアプローチに取り組みが移行しました。
学習アプローチの大部分は、システムをある程度記述するデータベースのモデルまたは強化学習 (RL) の学習に焦点を当てていました。
特に RL は、人間による最小限の指導で問題の解決策を生み出す驚くべき能力により、関心が高まっています。
この調査論文では、手の操作に関する学習アプローチの発展を追跡し、課題と機会を探ります。
この調査は、用語集を備えたこの分野の初心者向けの入門書として、また上級実務者向けの新たな進歩のガイドとして設計されています。

要約(オリジナル)

Human dexterity is an invaluable capability for precise manipulation of objects in complex tasks. The capability of robots to similarly grasp and perform in-hand manipulation of objects is critical for their use in the ever changing human environment, and for their ability to replace manpower. In recent decades, significant effort has been put in order to enable in-hand manipulation capabilities to robotic systems. Initial robotic manipulators followed carefully programmed paths, while later attempts provided a solution based on analytical modeling of motion and contact. However, these have failed to provide practical solutions due to inability to cope with complex environments and uncertainties. Therefore, the effort has shifted to learning-based approaches where data is collected from the real world or through a simulation, during repeated attempts to complete various tasks. The vast majority of learning approaches focused on learning data-based models that describe the system to some extent or Reinforcement Learning (RL). RL, in particular, has seen growing interest due to the remarkable ability to generate solutions to problems with minimal human guidance. In this survey paper, we track the developments of learning approaches for in-hand manipulations and, explore the challenges and opportunities. This survey is designed both as an introduction for novices in the field with a glossary of terms as well as a guide of novel advances for advanced practitioners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google