On the Importance of Tactile Sensing for Imitation Learning: A Case Study on Robotic Match Lighting

要約

ロボット操作の分野は、過去数年間で大幅に進歩しています。
センシングレベルでは、正確な連絡先情報を提供できるいくつかの新しい触覚センサーが開発されています。
方法論的レベルでは、デモンストレーションから学ぶことで、パフォーマンスのロボット操作ポリシーを取得するための効率的なパラダイムが証明されています。
両方の組み合わせは、デモンストレーションデータから重要な連絡先に関連する情報を抽出し、ポリシーロールアウト中に積極的に活用するという約束を保持します。
しかし、その可能性にもかかわらず、それは未熟な方向のままです。
したがって、この作業は、高速で器用な操作ポリシーを効率的に学習できるマルチモーダルで視覚操作模倣学習フレームワークを提案しています。
ロボットマッチ照明の動的で接触豊富なタスクに関するフレームワークを評価します。これは、触覚フィードバックが人間の操作性能に影響を与えるタスクです。
実験結果は、触覚情報をポリシーに追加するとパフォーマンスが40％を大幅に向上させ、それによって接触豊富な操作タスクの触覚センシングの重要性を強調することを示しています。
プロジェクトWebサイト：https：//sites.google.com/view/tactile-il。

要約(オリジナル)

The field of robotic manipulation has advanced significantly in the last years. At the sensing level, several novel tactile sensors have been developed, capable of providing accurate contact information. On a methodological level, learning from demonstrations has proven an efficient paradigm to obtain performant robotic manipulation policies. The combination of both holds the promise to extract crucial contact-related information from the demonstration data and actively exploit it during policy rollouts. However, despite its potential, it remains an underexplored direction. This work therefore proposes a multimodal, visuotactile imitation learning framework capable of efficiently learning fast and dexterous manipulation policies. We evaluate our framework on the dynamic, contact-rich task of robotic match lighting – a task in which tactile feedback influences human manipulation performance. The experimental results show that adding tactile information into the policies significantly improves performance by over 40%, thereby underlining the importance of tactile sensing for contact-rich manipulation tasks. Project website: https://sites.google.com/view/tactile-il .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google