CDM: Contact Diffusion Model for Multi-Contact Point Localization

要約

このホワイトペーパーでは、マルチコンタクトポイントローカリゼーションのための新しい学習ベースのアプローチであるコンタクト拡散モデル（CDM）を提案します。
ベースにジョイントトルクセンサーと力/トルクセンサーを装備したロボットを検討します。
拡散モデルを活用することにより、CDMは、複数の接点ポイントと力のペアが同一のセンサー測定値を生成する特異点に対処します。
マルチコンタクトシナリオの時間依存特性を説明するために、過去のモデル出力に条件付けられるCDMを策定します。
さらに、ロボット表面の複雑な形状に効果的に対処するために、除去プロセスに署名された距離フィールドを組み込みます。
その結果、CDMは任意の場所で連絡先を高い精度でローカライズできます。
シミュレーションと現実世界の実験は、提案された方法の有効性を示しています。
特に、CDMは15.97msで動作し、現実の世界では、単一接触シナリオで0.44cm、デュアルコンタクトシナリオで1.24cmのエラーを達成します。

要約(オリジナル)

In this paper, we propose a Contact Diffusion Model (CDM), a novel learning-based approach for multi-contact point localization. We consider a robot equipped with joint torque sensors and a force/torque sensor at the base. By leveraging a diffusion model, CDM addresses the singularity where multiple pairs of contact points and forces produce identical sensor measurements. We formulate CDM to be conditioned on past model outputs to account for the time-dependent characteristics of the multi-contact scenarios. Moreover, to effectively address the complex shape of the robot surfaces, we incorporate the signed distance field in the denoising process. Consequently, CDM can localize contacts at arbitrary locations with high accuracy. Simulation and real-world experiments demonstrate the effectiveness of the proposed method. In particular, CDM operates at 15.97ms and, in the real world, achieves an error of 0.44cm in single-contact scenarios and 1.24cm in dual-contact scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google