TacDiffusion: Force-domain Diffusion Policy for Precise Tactile Manipulation

要約

アセンブリは、現代の製造とサービスロボットの両方のロボットにとって重要なスキルです。
ただし、さまざまな高精度アセンブリタスクを処理できる移動可能な挿入スキルを習得することは、依然として重要な課題です。
このペーパーでは、拡散モデルを利用して高精度の触覚ロボット挿入タスク用の6Dレンチを生成する新しいフレームワークを紹介します。
単一のタスクで実行されたデモンストレーションから学習し、さまざまな新しい高精度タスクで95.7％のゼロショット転送成功率を達成します。
私たちの方法は、以前の作品によって実証された自己適応性を効果的に継承しています。
このフレームワークでは、動的システムベースのフィルターを使用して、拡散ポリシーとリアルタイム制御ループとの間の周波数の不整合に対処し、タスクの成功率を9.15％改善します。
さらに、拡散モデルの推論能力と速度間のトレードオフに関する実用的なガイドラインを提供します。

要約(オリジナル)

Assembly is a crucial skill for robots in both modern manufacturing and service robotics. However, mastering transferable insertion skills that can handle a variety of high-precision assembly tasks remains a significant challenge. This paper presents a novel framework that utilizes diffusion models to generate 6D wrench for high-precision tactile robotic insertion tasks. It learns from demonstrations performed on a single task and achieves a zero-shot transfer success rate of 95.7% across various novel high-precision tasks. Our method effectively inherits the self-adaptability demonstrated by our previous work. In this framework, we address the frequency misalignment between the diffusion policy and the real-time control loop with a dynamic system-based filter, significantly improving the task success rate by 9.15%. Furthermore, we provide a practical guideline regarding the trade-off between diffusion models’ inference ability and speed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google