Admittance Visuomotor Policy Learning for General-Purpose Contact-Rich Manipulations

要約

接触の多い環境における接触力は、衝突認識、高精度の把握、効率的な操作における視覚データと固有受容データの不足を補う情報を提供するため、ロボットが汎用操作タスクを実行するために不可欠なモダリティです。
この論文では、継続的、汎用、接触の多い操作のためのアドミッタンス視覚運動政策フレームワークを提案します。
デモンストレーション中に、準拠したロボットのデモンストレーションを収集し、データ収集プロセスを加速することを目的として、接触型インタラクションを備えた低コストでユーザーフレンドリーな遠隔操作システムを設計しました。
トレーニングと推論中に、接触力、視覚、固有受容を含むマルチモーダル観察からアクションの軌道と望ましい接触力を計画するための拡散ベースのモデルを提案します。
コンプライアンスアクションの実行にはアドミタンスコントローラーを利用します。
フレームワークの一般化機能を実証するために、それぞれが異なるアクション プリミティブに焦点を当てた 5 つの困難なタスクに対して 2 つの最先端の方法による比較評価が実施されました。
結果は、私たちのフレームワークが最高の成功率を達成し、他の方法と比較してよりスムーズで効率的な接触を示し、各タスクを完了するために必要な接触力が平均 48.8% 減少し、成功率が平均 15.3% 増加したことを示しています。
ビデオは https://ryanjiao.github.io/AdmitDiffPolicy/ でご覧いただけます。

要約(オリジナル)

Contact force in contact-rich environments is an essential modality for robots to perform general-purpose manipulation tasks, as it provides information to compensate for the deficiencies of visual and proprioceptive data in collision perception, high-precision grasping, and efficient manipulation. In this paper, we propose an admittance visuomotor policy framework for continuous, general-purpose, contact-rich manipulations. During demonstrations, we designed a low-cost, user-friendly teleoperation system with contact interaction, aiming to gather compliant robot demonstrations and accelerate the data collection process. During training and inference, we propose a diffusion-based model to plan action trajectories and desired contact forces from multimodal observation that includes contact force, vision and proprioception. We utilize an admittance controller for compliance action execution. A comparative evaluation with two state-of-the-art methods was conducted on five challenging tasks, each focusing on different action primitives, to demonstrate our framework’s generalization capabilities. Results show our framework achieves the highest success rate and exhibits smoother and more efficient contact compared to other methods, the contact force required to complete each tasks was reduced on average by 48.8%, and the success rate was increased on average by 15.3%. Videos are available at https://ryanjiao.github.io/AdmitDiffPolicy/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google