Design and Control Co-Optimization for Automated Design Iteration of Dexterous Anthropomorphic Soft Robotic Hands

要約

シミュレーションでの器用な操作スキルに合わせて設計と制御ポリシーを最適化することで、ソフト ロボット ハンドの設計の繰り返しを自動化します。
当社の設計反復パイプラインは、遺伝的アルゴリズムとポリシー転送を組み合わせて、約 400 の手の設計の制御ポリシーを学習し、外力の外乱下での把握品質をテストします。
ピックアップの遠隔操作や操作タスクの方向変更を通じて、現実世界で最適化された設計を検証します。
900 を超える遠隔操作タスクから得た現実世界の評価では、シミュレーションにおける設計パフォーマンスの傾向が現実世界の傾向と類似していることがわかりました。
さらに、私たちのアプローチによって最適化されたハンド設計が、現実世界での以前の研究による既存のソフトロボットハンドよりも優れていることを示します。
この結果は、シミュレーションと現実のギャップにもかかわらず、擬人化ソフト ロボット ハンド システムのパラメータ選択をガイドする際のシミュレーションの有用性と、自動設計反復アプローチの有効性を強調しています。

要約(オリジナル)

We automate soft robotic hand design iteration by co-optimizing design and control policy for dexterous manipulation skills in simulation. Our design iteration pipeline combines genetic algorithms and policy transfer to learn control policies for nearly 400 hand designs, testing grasp quality under external force disturbances. We validate the optimized designs in the real world through teleoperation of pickup and reorient manipulation tasks. Our real world evaluation, from over 900 teleoperated tasks, shows that the trend in design performance in simulation resembles that of the real world. Furthermore, we show that optimized hand designs from our approach outperform existing soft robot hands from prior work in the real world. The results highlight the usefulness of simulation in guiding parameter choices for anthropomorphic soft robotic hand systems, and the effectiveness of our automated design iteration approach, despite the sim-to-real gap.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google