要約
多指ロボットが人間のような器用さで物体を掴んだり操作したりできるようにすることは、動的で継続的な手と物体の相互作用の際に特に困難です。
閉ループフィードバック制御は、器用な手を正確に機能的に把握する際に手のポーズを動的に微調整するために不可欠です。
本研究では、深層強化学習に基づいて、事前把握から目標把握までの関節トルクからのリアルタイムフィードバックに従って把握姿勢を調整する適応的動作計画手法を提案する。
器用な手の多関節トルクが接触や衝突を通じて物体の位置を感知し、リアルタイムでの把握の調整が可能になり、さまざまな位置にある物体に対してさまざまな把握軌道を生成できることがわかりました。
私たちの実験では、フォース フィードバックの有無によるパフォーマンスの差から、適応操作におけるフォース フィードバックの重要な役割が明らかになりました。
フォースフィードバックを利用した私たちのアプローチは、人間のような柔軟性、適応性、正確さをあらかじめ示しています。
要約(オリジナル)
Enabling multi-fingered robots to grasp and manipulate objects with human-like dexterity is especially challenging during the dynamic, continuous hand-object interactions. Closed-loop feedback control is essential for dexterous hands to dynamically finetune hand poses when performing precise functional grasps. This work proposes an adaptive motion planning method based on deep reinforcement learning to adjust grasping poses according to real-time feedback from joint torques from pre-grasp to goal grasp. We find the multi-joint torques of the dexterous hand can sense object positions through contacts and collisions, enabling real-time adjustment of grasps to generate varying grasping trajectories for objects in different positions. In our experiments, the performance gap with and without force feedback reveals the important role of force feedback in adaptive manipulation. Our approach utilizing force feedback preliminarily exhibits human-like flexibility, adaptability, and precision.
arxiv情報
| 著者 | Dongying Tian,Xiangbo Lin,Yi Sun |
| 発行日 | 2024-09-24 05:57:08+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google