One-Shot Transfer of Long-Horizon Extrinsic Manipulation Through Contact Retargeting

要約

外部操作、つまり操作目的を達成するための環境接触の使用は、平行ジョーグリッパーでは不可能な戦略を可能にします。
しかし、ロボット、物体、環境間の接触インタラクションの長期的なシーケンスを調整することは、シーンの多様性、広いアクション スペース、および困難な接触ダイナミクスのため、困難であることで知られています。
ほとんどの外部操作は短水平プリミティブの組み合わせであり、それぞれが成功するためには望ましい接触構成からの初期化に強く依存していることがわかります。
したがって、接触要件を再ターゲットすることによって、1 つの外部操作軌跡をさまざまなオブジェクトや環境に一般化することを提案します。
堅牢な短ホライズンの目標条件付きプリミティブ ポリシーの単一ライブラリを準備し、各プリミティブの連絡先仕様から生じる状態制約を構成するフレームワークを設計します。
テスト シーンとプリミティブ シーケンスを規定する 1 つのデモが与えられると、私たちの方法はテスト シーンに状態制約を適用し、逆運動学を使用して中間目標状態を見つけます。
その後、目標は基本ポリシーによって追跡されます。
7+1 DoF ロボット アーム グリッパー システムを使用して、それぞれ最大 4 つのプリミティブを含む 4 つの長期外部操作タスクにわたって、ハードウェア上で全体の成功率 80.5% を達成しました。
私たちの実験は 10 個のオブジェクトと 6 つの環境構成をカバーしています。
さらに、私たちの方法が幅広い実証を可能にし、接触のリターゲティングが実際に長期にわたる外部操作のためのプリミティブをうまく組み合わせる鍵であることを経験的に示します。
コードと追加の詳細は、stanford-tml.github.io/extrinsic-manipulation で入手できます。

要約(オリジナル)

Extrinsic manipulation, the use of environment contacts to achieve manipulation objectives, enables strategies that are otherwise impossible with a parallel jaw gripper. However, orchestrating a long-horizon sequence of contact interactions between the robot, object, and environment is notoriously challenging due to the scene diversity, large action space, and difficult contact dynamics. We observe that most extrinsic manipulation are combinations of short-horizon primitives, each of which depend strongly on initializing from a desirable contact configuration to succeed. Therefore, we propose to generalize one extrinsic manipulation trajectory to diverse objects and environments by retargeting contact requirements. We prepare a single library of robust short-horizon, goal-conditioned primitive policies, and design a framework to compose state constraints stemming from contacts specifications of each primitive. Given a test scene and a single demo prescribing the primitive sequence, our method enforces the state constraints on the test scene and find intermediate goal states using inverse kinematics. The goals are then tracked by the primitive policies. Using a 7+1 DoF robotic arm-gripper system, we achieved an overall success rate of 80.5% on hardware over 4 long-horizon extrinsic manipulation tasks, each with up to 4 primitives. Our experiments cover 10 objects and 6 environment configurations. We further show empirically that our method admits a wide range of demonstrations, and that contact retargeting is indeed the key to successfully combining primitives for long-horizon extrinsic manipulation. Code and additional details are available at stanford-tml.github.io/extrinsic-manipulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google