Force-Based Robotic Imitation Learning: A Two-Phase Approach for Construction Assembly Tasks

要約

建設における効率と安全性の促進により、ロボット工学と自動化の役割が後押しされています。
ただし、溶接やパイプ挿入などの複雑なタスクは、ロボットトレーニングを複雑にする正確な適応力制御の必要性により、課題を引き起こします。
このペーパーでは、ロボット学習を改善し、人間由来の力フィードバックを統合する2相システムを提案しています。
最初のフェーズでは、ROS-Sharpを介した仮想シミュレーターにリンクされたロボットアームを使用して、オペレーターからのリアルタイムデータをキャプチャします。
第2フェーズでは、このフィードバックは、生成アプローチを使用して、力フィードバックを学習プロセスに組み込むためにロボットモーション命令に変換されます。
この方法の有効性は、タスクの完了時間と成功率の改善により実証されています。
このフレームワークは、現実的な力ベースの相互作用をシミュレートし、建設タスクにおける正確なロボット操作のためのトレーニングデータの品質を高めます。

要約(オリジナル)

The drive for efficiency and safety in construction has boosted the role of robotics and automation. However, complex tasks like welding and pipe insertion pose challenges due to their need for precise adaptive force control, which complicates robotic training. This paper proposes a two-phase system to improve robot learning, integrating human-derived force feedback. The first phase captures real-time data from operators using a robot arm linked with a virtual simulator via ROS-Sharp. In the second phase, this feedback is converted into robotic motion instructions, using a generative approach to incorporate force feedback into the learning process. This method’s effectiveness is demonstrated through improved task completion times and success rates. The framework simulates realistic force-based interactions, enhancing the training data’s quality for precise robotic manipulation in construction tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google