QBIT: Quality-Aware Cloud-Based Benchmarking for Robotic Insertion Tasks

要約

挿入タスクは、環境との継続的な相互作用のため、特に自律的な操作では、ロボットにとって基本的でありながら挑戦的です。
AIベースのアプローチは課題に至っているように見えますが、生産では、高い成功率を達成するだけではありません。
また、挿入品質と信頼性を確保する必要があります。
これに対処するために、力エネルギー、力の滑らかさ、完了時間などの追加のメトリックを組み込んだ質の高いベンチマークフレームワークであるQBITを紹介し、包括的な評価を提供します。
統計的有意性を確保し、SIMからリアルのギャップを最小化するために、Mujocoシミュレーターの接触パラメーターをランダム化し、知覚の不確実性を説明し、Kubernetesベースのインフラストラクチャで大規模な実験を実施します。
当社のマイクロサービス指向アーキテクチャは、拡張性、幅広い適用性、および再現性の向上を保証します。
物理的なロボットテストへのシームレスな遷移を容易にするために、ROS2をコンテナ化で使用して統合の障壁を減らします。
シミュレートされた環境と実世界の両方の環境で、幾何学的、力ベース、および学習ベースの3つの挿入アプローチを使用してQBITを評価します。
シミュレーションでは、さまざまなメッシュ分解技術を使用して、連絡先シミュレーションの精度を比較します。
私たちの結果は、さまざまな挿入アプローチを比較し、実験室から現実世界のアプリケーションへの移行を加速する際のQBITの有効性を示しています。
コードはgithubで利用できます。

要約(オリジナル)

Insertion tasks are fundamental yet challenging for robots, particularly in autonomous operations, due to their continuous interaction with the environment. AI-based approaches appear to be up to the challenge, but in production they must not only achieve high success rates. They must also ensure insertion quality and reliability. To address this, we introduce QBIT, a quality-aware benchmarking framework that incorporates additional metrics such as force energy, force smoothness and completion time to provide a comprehensive assessment. To ensure statistical significance and minimize the sim-to-real gap, we randomize contact parameters in the MuJoCo simulator, account for perceptual uncertainty, and conduct large-scale experiments on a Kubernetes-based infrastructure. Our microservice-oriented architecture ensures extensibility, broad applicability, and improved reproducibility. To facilitate seamless transitions to physical robotic testing, we use ROS2 with containerization to reduce integration barriers. We evaluate QBIT using three insertion approaches: geometricbased, force-based, and learning-based, in both simulated and real-world environments. In simulation, we compare the accuracy of contact simulation using different mesh decomposition techniques. Our results demonstrate the effectiveness of QBIT in comparing different insertion approaches and accelerating the transition from laboratory to real-world applications. Code is available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google