ForceMimic: Force-Centric Imitation Learning with Force-Motion Capture System for Contact-Rich Manipulation

要約

ほとんどの接触リッチな操作タスクにおいて、人間は対象物に対して時間的に変化する力を加え、ビジョンガイドされた手の軌道の不正確さを補う。しかし、現在のロボットの学習アルゴリズムは、主に軌道に基づく方針に焦点を当てており、力に関連するスキルの学習にはあまり注意が払われていない。この限界に対処するため、我々は力中心のロボット学習システムであるForceMimicを導入し、ロバストな接触リッチ操作のためのハイブリッド力-動作模倣学習アルゴリズムとともに、力を意識した自然でロボット不要のロボットデモ収集システムを提供する。提案するForceCaptureシステムを用いると、オペレータは5分でズッキーニの皮を剥くことができるが、フォースフィードバック遠隔操作では13分以上かかり、タスク完了に苦労する。収集されたデータを用いて、我々はHybridILを提案し、ロボットの実行中に予測されたレンチ位置パラメータに適合するように、ハイブリッド力位置制御プリミティブを備えた力中心の模倣学習モデルを学習する。実験により、我々のアプローチにより、接触が多い野菜の皮むきタスクにおいて、モデルがよりロバストなポリシーを学習できることが実証され、最先端の純粋な視覚ベースの模倣学習と比較して、成功率が54.5%向上した。ハードウェア、コード、データ、その他の結果は、プロジェクトのウェブサイトhttps://forcemimic.github.io。

要約(オリジナル)

In most contact-rich manipulation tasks, humans apply time-varying forces to the target object, compensating for inaccuracies in the vision-guided hand trajectory. However, current robot learning algorithms primarily focus on trajectory-based policy, with limited attention given to learning force-related skills. To address this limitation, we introduce ForceMimic, a force-centric robot learning system, providing a natural, force-aware and robot-free robotic demonstration collection system, along with a hybrid force-motion imitation learning algorithm for robust contact-rich manipulation. Using the proposed ForceCapture system, an operator can peel a zucchini in 5 minutes, while force-feedback teleoperation takes over 13 minutes and struggles with task completion. With the collected data, we propose HybridIL to train a force-centric imitation learning model, equipped with hybrid force-position control primitive to fit the predicted wrench-position parameters during robot execution. Experiments demonstrate that our approach enables the model to learn a more robust policy under the contact-rich task of vegetable peeling, increasing the success rates by 54.5% relatively compared to state-ofthe-art pure-vision-based imitation learning. Hardware, code, data and more results can be found on the project website at https://forcemimic.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL