Self-Supervised Learning of Dynamic Planar Manipulation of Free-End Cables

要約

自由端ケーブルの動的な操作は、家庭、倉庫、製造工場でのケーブル管理に応用できます。
我々は、自由端ケーブルの動的操作のための教師あり学習アプローチを提案し、ロボットエンドエフェクタの到達可能な作業空間の外側にある可能性がある、ケーブルの端点を指定された目標位置に到達させる問題に焦点を当てます。
私たちはシミュレーターを提示し、物理的なケーブルを使った実験に厳密に一致するようにシミュレーターを調整し、動的ケーブル操作を学習するためのトレーニング データを収集します。
3 本のケーブルと物理的な UR5 ロボットを使用して評価します。
3 本のケーブルで 32×5 のトライアルを行った結果、物理的な UR5 ロボットは、ケーブル間でケーブル長の 22% ～ 35% の範囲の誤差距離の中央値を達成でき、解析ベースラインを 21%、ガウス過程ベースラインを 7% 上回り、より低いパフォーマンスを実現できることが示唆されています。
四分位範囲 (IQR)。

要約(オリジナル)

Dynamic manipulation of free-end cables has applications for cable management in homes, warehouses and manufacturing plants. We present a supervised learning approach for dynamic manipulation of free-end cables, focusing on the problem of getting the cable endpoint to a designated target position, which may lie outside the reachable workspace of the robot end effector. We present a simulator, tune it to closely match experiments with physical cables, and then collect training data for learning dynamic cable manipulation. We evaluate with 3 cables and a physical UR5 robot. Results over 32×5 trials on 3 cables suggest that a physical UR5 robot can attain a median error distance ranging from 22% to 35% of the cable length among cables, outperforming an analytic baseline by 21% and a Gaussian Process baseline by 7% with lower interquartile range (IQR).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google