Twisting Lids Off with Two Hands

要約

2 本の多指ハンドで物体を操作することは、多くの操作タスクの接触が多い性質と、高次元の両手システムの調整に固有の複雑さのため、ロボット工学における長年の課題でした。
この研究では、深層強化学習 (RL) を使用したシミュレーションでトレーニングされたポリシーを効果的かつ効率的に現実世界に転送できるようにする、物理モデリング、リアルタイム認識、報酬設計に関する新しい洞察を共有します。
具体的には、さまざまな瓶のようなオブジェクトの蓋を両手でひねるという問題を検討し、目に見えないオブジェクトの多様なセットにわたる一般化機能と、動的で器用な動作を備えたポリシーを実証します。
私たちの知る限り、これは両手の多指の手でそのような機能を可能にする最初の sim-to-real RL システムです。

要約(オリジナル)

Manipulating objects with two multi-fingered hands has been a long-standing challenge in robotics, due to the contact-rich nature of many manipulation tasks and the complexity inherent in coordinating a high-dimensional bimanual system. In this work, we share novel insights into physical modeling, real-time perception, and reward design that enable policies trained in simulation using deep reinforcement learning (RL) to be effectively and efficiently transferred to the real world. Specifically, we consider the problem of twisting lids of various bottle-like objects with two hands, demonstrating policies with generalization capabilities across a diverse set of unseen objects as well as dynamic and dexterous behaviors. To the best of our knowledge, this is the first sim-to-real RL system that enables such capabilities on bimanual multi-fingered hands.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google