Learning to Play Foosball: System and Baselines

要約

この作品では、フーズボールを、特にロボット学習の分野における科学研究を推進するための多用途のプラットフォームとして舞台化しています。
自動化されたフーズボール テーブルとそれに対応するシミュレートされたテーブルを紹介し、フーズボール環境内のタスク例を通じてさまざまな課題を紹介します。
初期の調査結果は、シンプルなベースライン アプローチを使用して共有されます。
Foosball は、人工知能と機械学習、特に堅牢な学習のさまざまな分野で最先端の研究を生み出す可能性を備えた多用途の学習環境を構成すると同時に、その適用範囲を産業用ロボットやオートメーションのセットアップにも拡張します。
物理的なフーズボール テーブルを研究しやすいシステムに変えるために、できるだけ早く完全なゲームに拡張することを目的として、初期セットアップとしてゴールキーパー ロッドを制御するための 2 自由度の運動チェーンを追加しました。
私たちの実験では、複雑なロボットタスクを習得するには現実的なシミュレーションが不可欠であることが明らかになりましたが、これらの成果を実際のシステムに変換することは依然として困難であり、多くの場合パフォーマンスの低下を伴います。
これは、この方向における研究の極めて重要性を強調しています。
この懸念において、私たちは、ロボティクスとオートメーションの研究を進めるための要求の厳しい学習環境として機能する、数多くの望ましい特性を備えた貴重なツールとして、自動化されたフーズボールテーブルに注目します。

要約(オリジナル)

This work stages Foosball as a versatile platform for advancing scientific research, particularly in the realm of robot learning. We present an automated Foosball table along with its corresponding simulated counterpart, showcasing a diverse range of challenges through example tasks within the Foosball environment. Initial findings are shared using a simple baseline approach. Foosball constitutes a versatile learning environment with the potential to yield cutting-edge research in various fields of artificial intelligence and machine learning, notably robust learning, while also extending its applicability to industrial robotics and automation setups. To transform our physical Foosball table into a research-friendly system, we augmented it with a 2 degrees of freedom kinematic chain to control the goalkeeper rod as an initial setup with the intention to be extended to the full game as soon as possible. Our experiments reveal that a realistic simulation is essential for mastering complex robotic tasks, yet translating these accomplishments to the real system remains challenging, often accompanied by a performance decline. This emphasizes the critical importance of research in this direction. In this concern, we spotlight the automated Foosball table as an invaluable tool, possessing numerous desirable attributes, to serve as a demanding learning environment for advancing robotics and automation research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google