Combining Sampling- and Gradient-based Planning for Contact-rich Manipulation

要約

非連続ダイナミクスにわたる計画は、接触が多い操作のようなロボット工学タスクに必要ですが、ニューラル ネットワークまたは分析モデルを使用する場合、計画手法の数値安定性と速度に課題が生じます。
一方で、サンプリングベースのプランナーは、高次元の問題ではより複雑なサンプルを必要とし、力の制限などの安全制約を記述することができません。
一方、勾配ベースのソルバーは、ヘッセ行列の条件が不十分な場合、局所最適化と収束の問題に悩まされる可能性があります。
我々は、クロスエントロピー法を使用して勾配ベースのソルバーを初期化し、局所最小値に対するより適切な検索と明示的な制約を処理する機能を提供する、サンプリング ベースと勾配ベースの両方の要素を備えた計画方法を提案します。
このアプローチにより、傾斜のみの MPC および CEM に対するベンチマークを行い、硬い環境と接触するインピーダンス制御ロボットのスムーズで安定した接触リッチな計画が可能になることを示します。

要約(オリジナル)

Planning over discontinuous dynamics is needed for robotics tasks like contact-rich manipulation, which presents challenges in the numerical stability and speed of planning methods when either neural network or analytical models are used. On the one hand, sampling-based planners require higher sample complexity in high-dimensional problems and cannot describe safety constraints such as force limits. On the other hand, gradient-based solvers can suffer from local optima and convergence issues when the Hessian is poorly conditioned. We propose a planning method with both sampling- and gradient-based elements, using the Cross-entropy Method to initialize a gradient-based solver, providing better search over local minima and the ability to handle explicit constraints. We show the approach allows smooth, stable contact-rich planning for an impedance-controlled robot making contact with a stiff environment, benchmarking against gradient-only MPC and CEM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google