Soft and Rigid Object Grasping With Cross-Structure Hand Using Bilateral Control-Based Imitation Learning

要約

物体の把握はロボットのさまざまな作業に必要な重要な能力です。
特に、未知の物体を掴んだり、掴んだ工具を使用したりするなど、動作中に正確な力の調整が必要な作業は、人間が事前にプログラムすることが困難です。
最近では、人間の力のスキルを模倣できる AI ベースのアルゴリズムが解決策として積極的に検討されています。
特に、バイラテラル制御ベースの模倣学習は、人間によるデモンストレーションのみを必要とし、プログラミングを必要とせず、環境適応性を備えた人間レベルの動作速度を実現します。
しかし、ハードウェアの制限により、その把持性能には限界があり、さまざまな物体を把持するタスクにはまだ到達していません。
ここでは、さまざまな物体を掴むためのクロス構造ハンドを開発しました。
私たちは、バイラテラル制御に基づく模倣学習と交差構造ハンドの統合が、さまざまな物体の把握やツールの活用に効果的であることを実験的に実証しました。

要約(オリジナル)

Object grasping is an important ability required for various robot tasks. In particular, tasks that require precise force adjustments during operation, such as grasping an unknown object or using a grasped tool, are difficult for humans to program in advance. Recently, AI-based algorithms that can imitate human force skills have been actively explored as a solution. In particular, bilateral control-based imitation learning achieves human-level motion speeds with environmental adaptability, only requiring human demonstration and without programming. However, owing to hardware limitations, its grasping performance remains limited, and tasks that involves grasping various objects are yet to be achieved. Here, we developed a cross-structure hand to grasp various objects. We experimentally demonstrated that the integration of bilateral control-based imitation learning and the cross-structure hand is effective for grasping various objects and harnessing tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google