TacDiffusion: Force-domain Diffusion Policy for Precise Tactile Manipulation

要約

組み立ては、現代の製造ロボットとサービスロボットの両方においてロボットにとって重要なスキルです。
しかし、さまざまな高精度の組み立て作業を処理できる、移植可能な挿入スキルを習得することは依然として大きな課題です。
この論文では、拡散モデルを利用して高精度の触覚ロボット挿入タスク用の 6D レンチを生成する新しいフレームワークを紹介します。
単一タスクで実行されたデモンストレーションから学習し、さまざまな新しい高精度タスクにわたって 95.7% のゼロショット転送成功率を達成します。
私たちの方法は、以前の研究で実証された自己適応性を効果的に継承しています。
このフレームワークでは、動的なシステムベースのフィルターを使用して拡散ポリシーとリアルタイム制御ループの間の周波数の不整合に対処し、タスクの成功率を 9.15% 大幅に向上させます。
さらに、拡散モデルの推論能力と速度のトレードオフに関する実践的なガイドラインを提供します。

要約(オリジナル)

Assembly is a crucial skill for robots in both modern manufacturing and service robotics. However, mastering transferable insertion skills that can handle a variety of high-precision assembly tasks remains a significant challenge. This paper presents a novel framework that utilizes diffusion models to generate 6D wrench for high-precision tactile robotic insertion tasks. It learns from demonstrations performed on a single task and achieves a zero-shot transfer success rate of 95.7% across various novel high-precision tasks. Our method effectively inherits the self-adaptability demonstrated by our previous work. In this framework, we address the frequency misalignment between the diffusion policy and the real-time control loop with a dynamic system-based filter, significantly improving the task success rate by 9.15%. Furthermore, we provide a practical guideline regarding the trade-off between diffusion models’ inference ability and speed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google