VibeCheck: Using Active Acoustic Tactile Sensing for Contact-Rich Manipulation

要約

オブジェクトの音響応答は、そのグローバルな状態、たとえばその材料特性や、世界と一緒に行っている外因性接点について多くを明らかにすることができます。
この作業では、2つの圧電指を備えたアクティブな音響センシンググリッパーを構築します。1つは信号を生成するため、もう1つはそれらを受信するためです。
オブジェクトを介して一方の指から他の指に音響振動を送信することにより、オブジェクトの音響特性と接触状態についての洞察を得ます。
このシステムを使用して、オブジェクトを分類し、把握位置を推定し、内部構造のポーズを推定し、オブジェクトが環境で作っている外因性接点の種類を分類します。
連絡先タイプ分類モデルを使用して、標準の長老操作問題：PEG挿入に取り組みます。
センサーのパフォーマンスに基づいた単純なシミュレーション遷移モデルを使用して、分類器からの不完全な予測に堅牢な模倣学習ポリシーを訓練します。
最終的に、唯一のフィードバックとしてアクティブな音響センシングを備えたUR5ロボットのポリシーを実証します。

要約(オリジナル)

The acoustic response of an object can reveal a lot about its global state, for example its material properties or the extrinsic contacts it is making with the world. In this work, we build an active acoustic sensing gripper equipped with two piezoelectric fingers: one for generating signals, the other for receiving them. By sending an acoustic vibration from one finger to the other through an object, we gain insight into an object’s acoustic properties and contact state. We use this system to classify objects, estimate grasping position, estimate poses of internal structures, and classify the types of extrinsic contacts an object is making with the environment. Using our contact type classification model, we tackle a standard long-horizon manipulation problem: peg insertion. We use a simple simulated transition model based on the performance of our sensor to train an imitation learning policy that is robust to imperfect predictions from the classifier. We finally demonstrate the policy on a UR5 robot with active acoustic sensing as the only feedback.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google