Unleashing Humanoid Reaching Potential via Real-world-Ready Skill Space

要約

人間は3Dの世界に大きな到達可能な空間を持ち、さまざまな高さと距離でオブジェクトとの相互作用を可能にします。
ただし、ヒューマノイドに到達するこのような大きなスペースを認識することは、複雑な全身制御の問題であり、ロボットが基本的なポジショニングと再配向、身長と身体姿勢の調整、およびエンドエフェクターのポーズコントロールを含む多様なスキルを同時に習得する必要があります。
ゼロから学ぶことは、多くの場合、最適化の難易度とSIM2realの移動性が低いことにつながります。
この課題に対処するために、実際の準備ができたスキルスペース（R2S2）を提案します。
私たちのアプローチは、現実世界の準備ができたプリミティブスキルで構成される慎重に設計されたスキルライブラリから始まります。
個々のスキルチューニングとSIM2real評価を通じて、最適なパフォーマンスと堅牢なSIM2real転送を確保します。
これらのスキルは、統一された潜在スペースに組み込まれ、効率的かつSIM2real転送可能な方法でタスクの実行を支援する構造化された事前として機能します。
このスペースのスキルをサンプリングするように訓練されたハイレベルのプランナーにより、ロボットは実際の目標を達成するタスクを達成できます。
ゼロショットSIM2REAL転送を示し、複数の挑戦的な目標到達シナリオでR2S2を検証します。

要約(オリジナル)

Humans possess a large reachable space in the 3D world, enabling interaction with objects at varying heights and distances. However, realizing such large-space reaching on humanoids is a complex whole-body control problem and requires the robot to master diverse skills simultaneously-including base positioning and reorientation, height and body posture adjustments, and end-effector pose control. Learning from scratch often leads to optimization difficulty and poor sim2real transferability. To address this challenge, we propose Real-world-Ready Skill Space (R2S2). Our approach begins with a carefully designed skill library consisting of real-world-ready primitive skills. We ensure optimal performance and robust sim2real transfer through individual skill tuning and sim2real evaluation. These skills are then ensembled into a unified latent space, serving as a structured prior that helps task execution in an efficient and sim2real transferable manner. A high-level planner, trained to sample skills from this space, enables the robot to accomplish real-world goal-reaching tasks. We demonstrate zero-shot sim2real transfer and validate R2S2 in multiple challenging goal-reaching scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google