Instrumentation for Better Demonstrations: A Case Study

要約

デモンストレーションから学ぶことは、ロボット操作の強力なパラダイムですが、その有効性は収集されたデータの量と品質の両方にかかっています。
この作業では、計装、つまりセンサーの統合がどのようにデモンストレーションの品質を向上させ、データ収集を自動化できるかについてのケーススタディを提示します。
圧力センサーを備えたスクイーズボトルを計装して、液体分配タスクを学習し、PIコントローラーを介して自動化されたデータ収集を可能にします。
自動化されたデモンストレーションで訓練されたトランスベースのポリシーは、ケースの78％で人間のデータでトレーニングされたものよりも優れています。
私たちの調査結果は、計装がスケーラブルなデータ収集を促進するだけでなく、よりパフォーマンスのあるポリシーにもつながり、ジェネラリストのロボットエージェントの追求における可能性を強調することを示しています。

要約(オリジナル)

Learning from demonstrations is a powerful paradigm for robot manipulation, but its effectiveness hinges on both the quantity and quality of the collected data. In this work, we present a case study of how instrumentation, i.e. integration of sensors, can improve the quality of demonstrations and automate data collection. We instrument a squeeze bottle with a pressure sensor to learn a liquid dispensing task, enabling automated data collection via a PI controller. Transformer-based policies trained on automated demonstrations outperform those trained on human data in 78% of cases. Our findings indicate that instrumentation not only facilitates scalable data collection but also leads to better-performing policies, highlighting its potential in the pursuit of generalist robotic agents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google