SliceIt! — A Dual Simulator Framework for Learning Robot Food Slicing

要約

調理ロボットは、日々の家事の負担を軽減することで、家庭での体験を向上させることができる。しかし、このようなロボットは、特に包丁のような危険な道具を扱う際、人間との共有環境において器用かつ安全にタスクを実行しなければならない。本研究では、ロボットが自律的かつ安全に食品を切る作業を学習できるようにすることに焦点を当てる。具体的には、コンプライアンス制御を用いて、様々な材料特性に適応することで、協働ロボットや産業用ロボットアームが食品を切るタスクを実行できるようにすることを目標としている。我々のアプローチでは、強化学習（RL）を用いて、食材とまな板が及ぼす接触力を低減することで、ロボットが包丁をコンプライアンスに操作できるように訓練する。しかし、実世界でロボットを訓練することは、非効率的で危険であり、多くの食品廃棄をもたらす可能性がある。そこで我々は、ロボットの食品スライス作業をシミュレーションで安全かつ効率的に学習するためのフレームワークであるSliceIt!本フレームワークは、real2sim2realアプローチに従い、いくつかの実食事スライスデータの収集、二重シミュレーション環境（高忠実度切断シミュレータとロボットシミュレータ）の較正、較正されたシミュレーション環境上での適合制御ポリシーの学習、そして最後に実ロボットへのポリシーの展開から構成される。

要約(オリジナル)

Cooking robots can enhance the home experience by reducing the burden of daily chores. However, these robots must perform their tasks dexterously and safely in shared human environments, especially when handling dangerous tools such as kitchen knives. This study focuses on enabling a robot to autonomously and safely learn food-cutting tasks. More specifically, our goal is to enable a collaborative robot or industrial robot arm to perform food-slicing tasks by adapting to varying material properties using compliance control. Our approach involves using Reinforcement Learning (RL) to train a robot to compliantly manipulate a knife, by reducing the contact forces exerted by the food items and by the cutting board. However, training the robot in the real world can be inefficient, and dangerous, and result in a lot of food waste. Therefore, we proposed SliceIt!, a framework for safely and efficiently learning robot food-slicing tasks in simulation. Following a real2sim2real approach, our framework consists of collecting a few real food slicing data, calibrating our dual simulation environment (a high-fidelity cutting simulator and a robotic simulator), learning compliant control policies on the calibrated simulation environment, and finally, deploying the policies on the real robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL