Benchmarking the Sim-to-Real Gap in Cloth Manipulation

要約

リアルな物理エンジンは、シミュレーションで衣服などの変形可能なオブジェクトを操作する方法を学習するために重要な役割を果たします。
そうすることで、研究者は現実世界の物体の変形を感知するなどの課題を回避できます。
このタスクではシミュレーションが広範に使用されているにもかかわらず、変形可能オブジェクト シミュレータと現実世界のデータの間の現実的なギャップを評価した研究はほとんどありません。
布操作におけるシミュレーションと実際のギャップを評価するためのベンチマーク データセットを紹介します。
データセットは、剛性テーブルとの接触を伴う動的および準静的な布地操作タスクを実行することによって収集されます。
このデータセットを使用して、MuJoCo、Bullet、Flex、SOFA という 4 つの人気のある変形可能オブジェクト シミュレーターのリアリティ ギャップ、計算時間、シミュレーションの安定性を評価します。
さらに、各シミュレーターの長所と短所についても説明します。
ベンチマーク データセットはオープンソースです。
補足資料、ビデオ、コードは、https://sites.google.com/view/cloth-sim2real-benchmark でご覧いただけます。

要約(オリジナル)

Realistic physics engines play a crucial role for learning to manipulate deformable objects such as garments in simulation. By doing so, researchers can circumvent challenges such as sensing the deformation of the object in the realworld. In spite of the extensive use of simulations for this task, few works have evaluated the reality gap between deformable object simulators and real-world data. We present a benchmark dataset to evaluate the sim-to-real gap in cloth manipulation. The dataset is collected by performing a dynamic as well as a quasi-static cloth manipulation task involving contact with a rigid table. We use the dataset to evaluate the reality gap, computational time, and simulation stability of four popular deformable object simulators: MuJoCo, Bullet, Flex, and SOFA. Additionally, we discuss the benefits and drawbacks of each simulator. The benchmark dataset is open-source. Supplementary material, videos, and code, can be found at https://sites.google.com/view/cloth-sim2real-benchmark.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google