Dexterous Contact-Rich Manipulation via the Contact Trust Region

要約

コンタクトが豊富な操作のためのコンタクトダイナミクスの良いローカル説明は何ですか？また、このローカルな説明はどこで信頼できますか？
多くのアプローチは、しばしば楕円形の信頼領域とのダイナミクスのテイラー近似に依存していることがよくありますが、そのようなアプローチは接触の一方的な性質と根本的に矛盾していると主張します。
治療薬として、コンタクトトラスト地域（CTR）を提示します。これは、計算のために効率的なままでありながら、接触の一方的な性質を捉えています。
CTRを使用すると、最初に、地元の接触豊富な計画を合成できるモデル予測制御（MPC）アルゴリズムを開発します。
次に、ローカルMPCプランを縫い合わせて、効率的かつ器用な接触リッチ操作を可能にすることにより、この機能をグローバルに計画する能力を拡張します。
当社の方法のパフォーマンスを検証するために、平面IIWabimanualシステムと3Dアレグロハンドシステムの2つの接触豊富なシステムで、高忠実度シミュレーションとハードウェアの両方で包括的な評価を実行します。
どちらのシステムでも、この方法では、接触豊富な操作に対する既存のRLベースのアプローチに代わる、大幅に低い計算の代替品を提供します。
特に、ロードマップの形で、Allegroの手の操作ポリシーは、CPUのみを使用して標準のラップトップでオフラインで構築するのに10分未満かかり、オンラインの推論はわずか数秒かかります。
実験データ、ビデオ、コードは、ctr.theaiinstitute.comで入手できます。

要約(オリジナル)

What is a good local description of contact dynamics for contact-rich manipulation, and where can we trust this local description? While many approaches often rely on the Taylor approximation of dynamics with an ellipsoidal trust region, we argue that such approaches are fundamentally inconsistent with the unilateral nature of contact. As a remedy, we present the Contact Trust Region (CTR), which captures the unilateral nature of contact while remaining efficient for computation. With CTR, we first develop a Model-Predictive Control (MPC) algorithm capable of synthesizing local contact-rich plans. Then, we extend this capability to plan globally by stitching together local MPC plans, enabling efficient and dexterous contact-rich manipulation. To verify the performance of our method, we perform comprehensive evaluations, both in high-fidelity simulation and on hardware, on two contact-rich systems: a planar IiwaBimanual system and a 3D AllegroHand system. On both systems, our method offers a significantly lower-compute alternative to existing RL-based approaches to contact-rich manipulation. In particular, our Allegro in-hand manipulation policy, in the form of a roadmap, takes fewer than 10 minutes to build offline on a standard laptop using just its CPU, with online inference taking just a few seconds. Experiment data, video and code are available at ctr.theaiinstitute.com.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google