Contact Optimization with Learning from Demonstration: Application in Long-term Non-prehensile Planar Manipulation

要約

長期にわたる掴みにくい平面操作は、計画と制御にとって困難なタスクであり、接触点やモードなどの連続的および離散的な接触構成の決定が必要です。
これにより、接触最適化の非凸性とハイブリッド性が実現します。
これらの困難を克服するために、人間のデモンストレーションを軌道の最適化に組み込む新しいアプローチを提案します。
私たちのアプローチが問題のハイブリッド組み合わせの性質を効果的に処理し、現在の最先端のソルバーに存在する極小値の問題を軽減し、堅牢な一般化パフォーマンスを実現しながら少数のデモンストレーションのみを必要とすることを示します。
シミュレーションで結果を検証し、実際の Franka Emika ロボットを使用したプッシャー/スライダー システムでの適用性を実証します。

要約(オリジナル)

Long-term non-prehensile planar manipulation is a challenging task for planning and control, requiring determination of both continuous and discrete contact configurations, such as contact points and modes. This leads to the non-convexity and hybridness of contact optimization. To overcome these difficulties, we propose a novel approach that incorporates human demonstrations into trajectory optimization. We show that our approach effectively handles the hybrid combinatorial nature of the problem, mitigates the issues with local minima present in current state-of-the-art solvers, and requires only a small number of demonstrations while delivering robust generalization performance. We validate our results in simulation and demonstrate its applicability on a pusher-slider system with a real Franka Emika robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google