A Survey on Imitation Learning for Contact-Rich Tasks in Robotics

要約

この論文は、接触豊富なロボットタスクの模倣学習の研究動向を包括的に調査します。
環境との複雑な物理的相互作用を必要とする接触豊富なタスクは、非線形のダイナミクスと小さな位置偏差に対する感度のため、ロボット工学の中心的な課題を表しています。
このペーパーでは、微妙な相互作用のダイナミクスをキャプチャするために、教育方法や感覚モダリティを含むデモコレクションの方法論を調べます。
次に、模倣学習アプローチを分析し、接触豊富な操作へのアプリケーションを強調します。
マルチモーダル学習および基礎モデルの最近の進歩により、産業、家庭、およびヘルスケアのドメインにわたる複雑な接触タスクのパフォーマンスが大幅に向上しました。
現在の研究の体系的な組織と課題の特定を通じて、この調査は、接触豊富なロボット操作における将来の進歩の基盤を提供します。

要約(オリジナル)

This paper comprehensively surveys research trends in imitation learning for contact-rich robotic tasks. Contact-rich tasks, which require complex physical interactions with the environment, represent a central challenge in robotics due to their nonlinear dynamics and sensitivity to small positional deviations. The paper examines demonstration collection methodologies, including teaching methods and sensory modalities crucial for capturing subtle interaction dynamics. We then analyze imitation learning approaches, highlighting their applications to contact-rich manipulation. Recent advances in multimodal learning and foundation models have significantly enhanced performance in complex contact tasks across industrial, household, and healthcare domains. Through systematic organization of current research and identification of challenges, this survey provides a foundation for future advancements in contact-rich robotic manipulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google