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

要約

ロボットアームにおける自律的な操作は、ロボット工学における複雑で発展途上の研究分野である。本稿では、模倣学習（IL）に注目することで、この課題に対する革新的なアプローチを紹介する。従来の模倣手法とは異なり、本アプローチではバイラテラル制御に基づくILを用いることで、より正確で適応性の高いロボット動作を可能にする。従来のバイラテラル制御法に基づくILは、Long Short-Term Memory (LSTM)ネットワークに依存していた。本論文では、Transformerを用いたバイラテラル制御(ILBiT)に基づき、位置情報とトルク情報を用いたロボットのILを提案する。ILBiTはTransformerモデルを採用しており、特に詳細な力調整を必要とするタスクにおいて、LSTMの限界を超える能力を発揮する。ILBiTの際立った特徴は、100Hzの高周波数動作であり、これにより、様々な環境や異なる硬さの対象物に対するシステムの適応性と応答性が大幅に向上する。トランスフォーマーを用いたILBiT方式の有効性は、包括的な実世界実験を通じて確認することができる。

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, DeepL