ILBiT: Imitation Learning for Robot Using Position and Torque Information based on Bilateral Control with Transformer

要約

ロボットアームの自律操作は、ロボット工学における複雑かつ進化する研究分野です。
この論文では、模倣学習 (IL) に焦点を当て、この課題に対する革新的なアプローチを紹介します。
従来の模倣方法とは異なり、私たちのアプローチは双方向制御に基づく IL を使用し、より正確で適応性のあるロボットの動きを可能にします。
バイラテラル制御方式に基づく従来の IL は、Long Short-Term Memory (LSTM) ネットワークに依存していました。
本稿では、トランスフォーマーを用いたバイラテラル制御に基づく位置とトルク情報を利用したロボット用IL(ILBiT)を紹介する。
この提案された方法では、多様なデータセットの処理における堅牢なパフォーマンスと、特に詳細な力の調整が必要なタスクにおいて LSTM の制限を超える機能で知られる Transformer モデルを採用しています。
ILBiT の際立った特徴は、100 Hz での高周波動作であり、これにより、さまざまな環境やさまざまな硬度レベルの物体に対するシステムの適応性と応答性が大幅に向上します。
Transformer ベースの ILBiT 手法の有効性は、包括的な実際の実験を通じて確認できます。

要約(オリジナル)

Autonomous manipulation in robot arms is a complex and evolving field of study in robotics. This paper introduces an innovative approach to this challenge by focusing on imitation learning (IL). Unlike traditional imitation methods, our approach uses IL based on bilateral control, allowing for more precise and adaptable robot movements. The conventional IL based on bilateral control method have relied on Long Short-Term Memory (LSTM) networks. In this paper, we present the IL for robot using position and torque information based on Bilateral control with Transformer (ILBiT). This proposed method employs the Transformer model, known for its robust performance in handling diverse datasets and its capability to surpass LSTM’s limitations, especially in tasks requiring detailed force adjustments. A standout feature of ILBiT is its high-frequency operation at 100 Hz, which significantly improves the system’s adaptability and response to varying environments and objects of different hardness levels. The effectiveness of the Transformer-based ILBiT method can be seen through comprehensive real-world experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google