FLIP: Flowability-Informed Powder Weighing

要約

粉末の自律的な操作は、科学研究所におけるロボット自動化にとって重要な課題のままです。
流れの粉末の固有の変動性と複雑な物理的相互作用は、実験室条件の変動性と相まって、適応性のある自動化を必要とします。
この作業では、粒状材料の取り扱いのためのロボットポリシー学習を強化するために設計された流動性情報に基づいたパウダーの計量フレームワークであるFlipを紹介します。
私たちの重要な貢献は、ベイジアン推論を通じて物理学ベースのシミュレーションを最適化するために、安価角によって定量化された材料の流れ性を使用することにあります。
これにより、「ロボット化学者」をトレーニングするために、多様な粉末行動を反映する正確なトレーニングデータを生成できる材料固有のシミュレーション環境が得られます。
これに基づいて、Flipは定量化された流動性をカリキュラム学習戦略に統合し、より挑戦的で流れの少ない粉末を徐々に導入することにより、堅牢なロボットポリシーの効率的な獲得を促進します。
現実世界の実験室条件下でのロボットパウダーの計量作業での方法の有効性を検証します。
実験結果は、カリキュラム戦略を使用してフリップが2.12 +-1.53​​ mgの低分配誤差を達成することを示しています。これは、ドメインランダム化（6.11 +-3.92 mg）などの流動性データを活用しない優れた方法です。
これらの結果は、Flipの改善された能力が、以前に見えていなかった、よりまとまりのある粉末と新しいターゲットマスに一般化する能力を示しています。

要約(オリジナル)

Autonomous manipulation of powders remains a significant challenge for robotic automation in scientific laboratories. The inherent variability and complex physical interactions of powders in flow, coupled with variability in laboratory conditions necessitates adaptive automation. This work introduces FLIP, a flowability-informed powder weighing framework designed to enhance robotic policy learning for granular material handling. Our key contribution lies in using material flowability, quantified by the angle of repose, to optimise physics-based simulations through Bayesian inference. This yields material-specific simulation environments capable of generating accurate training data, which reflects diverse powder behaviours, for training `robot chemists’. Building on this, FLIP integrates quantified flowability into a curriculum learning strategy, fostering efficient acquisition of robust robotic policies by gradually introducing more challenging, less flowable powders. We validate the efficacy of our method on a robotic powder weighing task under real-world laboratory conditions. Experimental results show that FLIP with a curriculum strategy achieves a low dispensing error of 2.12 +- 1.53 mg, outperforming methods that do not leverage flowability data, such as domain randomisation (6.11 +- 3.92 mg). These results demonstrate FLIP’s improved ability to generalise to previously unseen, more cohesive powders and to new target masses.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google