Robotic in-hand manipulation with relaxed optimization

要約

手の器用な操作は、安定性の制約を尊重しながら、環境との高度な感覚運動相互作用を必要とする、ユニークで貴重な人間のスキルです。
ロボットプラットフォームが信頼性の高い手持ち操作スキルを実現するには、生成されたモーションでこれらの制約を満たすことが不可欠です。
これらの制約を明示的にモデル化することは困難な場合がありますが、経験や人間によるデモンストレーションを通じて暗黙的にモデル化し、学習することができます。
私たちは、人間のデモンストレーションから生成された動作プリミティブの辞書に基づいた学習および制御アプローチを提案します。
これを達成するために、モーション プリミティブを組み合わせて、オブジェクトを初期ポーズから目的の最終ポーズまで移動させるためのロボットの指先の軌道を生成する最適化プロセスを定義しました。
私たちの実験に基づくと、私たちのアプローチにより、明示的な形式化を必要とせずに安定性の制約を遵守しながら、ロボットハンドが人間と同じように物体を扱うことが可能になります。
言い換えれば、提案されたモーションプリミティブ辞書は、手の操作タスクに不可欠な制約を学習し、暗黙的に埋め込みます。

要約(オリジナル)

Dexterous in-hand manipulation is a unique and valuable human skill requiring sophisticated sensorimotor interaction with the environment while respecting stability constraints. Satisfying these constraints with generated motions is essential for a robotic platform to achieve reliable in-hand manipulation skills. Explicitly modelling these constraints can be challenging, but they can be implicitly modelled and learned through experience or human demonstrations. We propose a learning and control approach based on dictionaries of motion primitives generated from human demonstrations. To achieve this, we defined an optimization process that combines motion primitives to generate robot fingertip trajectories for moving an object from an initial to a desired final pose. Based on our experiments, our approach allows a robotic hand to handle objects like humans, adhering to stability constraints without requiring explicit formalization. In other words, the proposed motion primitive dictionaries learn and implicitly embed the constraints crucial to the in-hand manipulation task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google