Intersection-free Robot Manipulation with Soft-Rigid Coupled Incremental Potential Contact

要約

この論文では、柔らかい物体に関するロボット操作タスク用に設計された新しいシミュレーション プラットフォーム ZeMa を紹介します。
このようなシミュレーションには、理想的には、深層学習タスクと強化学習タスクに適した許容可能な実行時間を持つ、双方向のソフト-リジッド結合、交差のない保証、および摩擦接触モデリングの 3 つの特性が必要です。
現在のシミュレータは、これらのニーズのサブセットのみを満たしていることが多く、主にリジッド-リジッドまたはソフト-ソフトの明確な相互作用に焦点を当てています。
提案された ZeMa は物理的精度を優先し、増分電位接触法を統合して、柔らかい物体と硬い物体の両方に対して統合されたダイナミクス シミュレーションを提供します。
ソフト/リジッド接触を効率的に管理し、IPC-GraspSim などの同様の手法を使用するベースライン ツールより 75 倍高速に動作します。
その適用性を実証するために、並列把握生成、貫通把握修復、把握のための強化学習にそれを採用し、訓練された RL ポリシーを現実世界のシナリオにうまく移行します。

要約(オリジナル)

This paper presents a novel simulation platform, ZeMa, designed for robotic manipulation tasks concerning soft objects. Such simulation ideally requires three properties: two-way soft-rigid coupling, intersection-free guarantees, and frictional contact modeling, with acceptable runtime suitable for deep and reinforcement learning tasks. Current simulators often satisfy only a subset of these needs, primarily focusing on distinct rigid-rigid or soft-soft interactions. The proposed ZeMa prioritizes physical accuracy and integrates the incremental potential contact method, offering unified dynamics simulation for both soft and rigid objects. It efficiently manages soft-rigid contact, operating 75x faster than baseline tools with similar methodologies like IPC-GraspSim. To demonstrate its applicability, we employ it for parallel grasp generation, penetrated grasp repair, and reinforcement learning for grasping, successfully transferring the trained RL policy to real-world scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google