Bridging the Sim-to-Real Gap with Dynamic Compliance Tuning for Industrial Insertion

要約

接触が多い操作タスクでは、しばしば大きなシミュレーション・ツー・リアル・ギャップが発生します。例えば、産業用組立作業では、クリアランスが0.1mm以下の狭い挿入が頻繁に行われ、変形可能なレセプタクルを扱う場合には、負になることさえあります。このような狭いクリアランスは、シミュレーションでは正確にモデル化することが難しい複雑な接触ダイナミクスにつながり、シミュレーションで学習したポリシーを実世界のロボットに適用することを困難にしている。本論文では、シミュレーションデータのみを用いて、実世界タスクの操作スキルを頑健に学習するための新しいフレームワークを提案する。本フレームワークは、「フォースプランナー」と「ゲインチューナー」の2つの主要コンポーネントから構成される。フォースプランナーはロボットの動作と所望の接触力の両方を計画し、ゲインチューナーはタスク実行中に所望の接触力に追従するようにコンプライアンス制御ゲインを動的に調整する。重要な洞察は、タスク実行中にロボットのコンプライアンス制御ゲインを動的に調整することで、新しい環境での接触力を調整し、シミュレーションで訓練したものと同様の軌道を生成し、シミュレーションとリアルのギャップを縮めることができるということです。実験結果は、シミュレーションで一般的な四角いペグと穴のタスクで訓練された我々の方法が、狭いクリアランスや負のクリアランスを含む様々な実世界の挿入タスクに一般化できることを示しており、全て微調整を必要としない。ビデオはhttps://dynamic-compliance.github.io。

要約(オリジナル)

Contact-rich manipulation tasks often exhibit a large sim-to-real gap. For instance, industrial assembly tasks frequently involve tight insertions where the clearance is less than 0.1 mm and can even be negative when dealing with a deformable receptacle. This narrow clearance leads to complex contact dynamics that are difficult to model accurately in simulation, making it challenging to transfer simulation-learned policies to real-world robots. In this paper, we propose a novel framework for robustly learning manipulation skills for real-world tasks using simulated data only. Our framework consists of two main components: the ‘Force Planner’ and the ‘Gain Tuner’. The Force Planner plans both the robot motion and desired contact force, while the Gain Tuner dynamically adjusts the compliance control gains to track the desired contact force during task execution. The key insight is that by dynamically adjusting the robot’s compliance control gains during task execution, we can modulate contact force in the new environment, thereby generating trajectories similar to those trained in simulation and narrowing the sim-to-real gap. Experimental results show that our method, trained in simulation on a generic square peg-and-hole task, can generalize to a variety of real-world insertion tasks involving narrow and negative clearances, all without requiring any fine-tuning. Videos are available at https://dynamic-compliance.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL