Reinforcement Learning-Based Bionic Reflex Control for Anthropomorphic Robotic Grasping exploiting Domain Randomization

要約

ロボットによる掴みにおいて人間レベルの器用さを実現することは、依然として困難な取り組みです。
ロボットハンドは、物体を操作する際に滑りや変形に頻繁に遭遇しますが、これは人間の感覚受容体、経験学習、運動記憶によりめったに遭遇しない問題です。
人間の把握反射をロボットハンド内でエミュレートすることは、「バイオニック反射」と呼ばれます。
生体反射制御の分野におけるこれまでの取り組みは、主にモデルベースの教師付き学習アプローチに依存しており、しきい値処理やラベル付けタスク中に人間の介入が必要でした。
この研究では、強化学習 (RL) を活用した革新的なバイオニック反射制御パイプラインを紹介します。
これにより、制御設計時に人間の介入が不要になります。
私たちが提案するバイオニック反射コントローラーは、擬人化された手で設計およびテストされ、PyBullet 物理シミュレーターで変形可能なオブジェクトを操作し、Sim2Real の転送性を高めるためにドメイン ランダム化 (DR) を組み込んでいます。
私たちの発見は、擬人化されたロボットハンド内での生体反射制御を進歩させるための強力なツールとして RL が有望であることを強調しています。
私たちは、この自律的な RL ベースのバイオニック反射コントローラーが、信頼性が高く効率性の高いロボットおよび義手の開発を促進し、人間とロボットのインタラクションと支援技術に革命をもたらすと期待しています。

要約(オリジナル)

Achieving human-level dexterity in robotic grasping remains a challenging endeavor. Robotic hands frequently encounter slippage and deformation during object manipulation, issues rarely encountered by humans due to their sensory receptors, experiential learning, and motor memory. The emulation of the human grasping reflex within robotic hands is referred to as the “bionic reflex’. Past endeavors in the realm of bionic reflex control predominantly relied on model-based and supervised learning approaches, necessitating human intervention during thresholding and labeling tasks. In this study, we introduce an innovative bionic reflex control pipeline, leveraging reinforcement learning (RL); thereby eliminating the need for human intervention during control design. Our proposed bionic reflex controller has been designed and tested on an anthropomorphic hand, manipulating deformable objects in the PyBullet physics simulator, incorporating domain randomization (DR) for enhanced Sim2Real transferability. Our findings underscore the promise of RL as a potent tool for advancing bionic reflex control within anthropomorphic robotic hands. We anticipate that this autonomous, RL-based bionic reflex controller will catalyze the development of dependable and highly efficient robotic and prosthetic hands, revolutionizing human-robot interaction and assistive technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google