要約
動作プリミティブ (MP) は、モジュール式ロボットの軌道を表現および生成するための十分に確立された方法です。
この研究では、Probabilistic Dynamic Movement Primitives (ProDMP) に力の認識を導入する新しいアプローチである FA-ProDMP を紹介します。
FA-ProDMP は、実行時に測定された力と望ましい力を考慮して軌道を調整します。
滑らかな軌道を提供し、複数の軌道にわたって位置と力の相関関係を捕捉します。
人間によるデモンストレーションのセット。
FA-ProDMP は複数の力軸をサポートしているため、デカルト座標または関節空間の制御に依存しません。
このため、FA-ProDMP は、研磨、切断、工業用組み立てなどの接触が多い操作タスクをデモンストレーションから学習するための貴重なツールになります。
FA-ProDMP を確実に評価するために、この作業では、人気のレゴ テクニック ピンからインスピレーションを得た、POEMPEL と呼ばれるモジュール式の 3D プリント タスク スイートが追加で導入されています。
POEMPEL は、力を必要とする産業用のペグインホール組み立て作業を模倣します。
位置、方向、プラグの剛性レベルなどの複数の調整パラメーターを提供し、必要な力の方向と量を変更します。
私たちの実験では、FA-ProDMP が、測定された力に基づいた再計画機能により、POEMPEL セットアップおよび電源プラグ挿入タスクにおいて他の MP 定式化よりも優れていることが示されました。
これらの発見は、FA-ProDMP が接触の多い操作タスクにおいてロボット システムのパフォーマンスをどのように向上させるかを強調しています。
要約(オリジナル)
Movement Primitives (MPs) are a well-established method for representing and generating modular robot trajectories. This work presents FA-ProDMP, a new approach which introduces force awareness to Probabilistic Dynamic Movement Primitives (ProDMP). FA-ProDMP adapts the trajectory during runtime to account for measured and desired forces. It offers smooth trajectories and captures position and force correlations over multiple trajectories, e.g. a set of human demonstrations. FA-ProDMP supports multiple axes of force and is thus agnostic to cartesian or joint space control. This makes FA-ProDMP a valuable tool for learning contact rich manipulation tasks such as polishing, cutting or industrial assembly from demonstration. In order to reliably evaluate FA-ProDMP, this work additionally introduces a modular, 3D printed task suite called POEMPEL, inspired by the popular Lego Technic pins. POEMPEL mimics industrial peg-in-hole assembly tasks with force requirements. It offers multiple parameters of adjustment, such as position, orientation and plug stiffness level, thus varying the direction and amount of required forces. Our experiments show that FA-ProDMP outperforms other MP formulations on the POEMPEL setup and a electrical power plug insertion task, due to its replanning capabilities based on the measured forces. These findings highlight how FA-ProDMP enhances the performance of robotic systems in contact-rich manipulation tasks.
arxiv情報
著者 | Paul Werner Lödige,Maximilian Xiling Li,Rudolf Lioutikov |
発行日 | 2024-09-17 12:54:41+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google