PolyFit: A Peg-in-hole Assembly Framework for Unseen Polygon Shapes via Sim-to-real Adaptation

要約

この研究は、ロボット工学におけるペグインホール組立ての基本的かつ困難なタスクに取り組んでいます。この作業では、センサーの不正確さや機械的エラーによって引き起こされる位置ずれにより、挿入の失敗や詰まりが発生することがよくあります。
この研究では、強化学習アプローチから教師あり学習方法論への移行によるパラダイム シフトを表す PolyFit が導入されています。
PolyFit は、5-DoF ペグインホール アセンブリ用に設計された力/トルク (F/T) ベースの教師あり学習フレームワークです。
F/T データを利用して外部姿勢を正確に推定し、ペグの姿勢を調整して位置ずれを修正します。
シミュレートされた環境での広範なトレーニングには、さまざまなペグホールの形状、外部ポーズ、およびそれらに対応する接触 F/T 測定値を含むデータセットが含まれます。
外部姿勢推定を強化するために、同一の F/T 読み取り値が異なる姿勢を示す可能性があることを認識して、多点接触戦略がモデル入力に統合されています。
この研究では、シムとリアルのペアのデータセットを使用して、複雑で目に見えないポリゴン形状への効果的な一般化を可能にする、現実世界のアプリケーションのためのシムとリアルの適応方法を提案しています。
PolyFit は、シミュレーションで目に見える形状と目に見えない形状に対して、それぞれ 97.3% と 96.3% という優れたペグインホール成功率を達成します。
実際の評価では、86.7% および 85.0% という実質的な成功率がさらに実証され、提案された方法の堅牢性と適応性が強調されています。

要約(オリジナル)

The study addresses the foundational and challenging task of peg-in-hole assembly in robotics, where misalignments caused by sensor inaccuracies and mechanical errors often result in insertion failures or jamming. This research introduces PolyFit, representing a paradigm shift by transitioning from a reinforcement learning approach to a supervised learning methodology. PolyFit is a Force/Torque (F/T)-based supervised learning framework designed for 5-DoF peg-in-hole assembly. It utilizes F/T data for accurate extrinsic pose estimation and adjusts the peg pose to rectify misalignments. Extensive training in a simulated environment involves a dataset encompassing a diverse range of peg-hole shapes, extrinsic poses, and their corresponding contact F/T readings. To enhance extrinsic pose estimation, a multi-point contact strategy is integrated into the model input, recognizing that identical F/T readings can indicate different poses. The study proposes a sim-to-real adaptation method for real-world application, using a sim-real paired dataset to enable effective generalization to complex and unseen polygon shapes. PolyFit achieves impressive peg-in-hole success rates of 97.3% and 96.3% for seen and unseen shapes in simulations, respectively. Real-world evaluations further demonstrate substantial success rates of 86.7% and 85.0%, highlighting the robustness and adaptability of the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google