Learning Variable Compliance Control From a Few Demonstrations for Bimanual Robot with Haptic Feedback Teleoperation System

要約

剛体ロボットを使用して、器用で接触の多い操作タスクを自動化することは、ロボット工学における重要な課題です。
位置コマンドによる作動によって定義される剛性ロボットは、環境との接触に適応できないため、過剰な接触力の問題に直面し、損傷を引き起こす可能性があります。
コンプライアンス制御スキームは、外部センサーを介して力を制御することでこれらの問題を軽減するために導入されていますが、タスク固有のコントローラー パラメーターを微調整する必要があるため、妨げられています。
Learning from Demonstration (LfD) は直感的な代替手段を提供し、ロボットが観察された動作を通じて操作を学習できるようにします。
この研究では、剛体ロボットに対する器用で接触の多い操作の教育を強化する新しいシステムを導入します。
当社のシステムには 2 つの特徴があります。まず、仮想現実 (VR) コントローラーを利用した遠隔操作インターフェイスが組み込まれており、触覚フィードバックによるタスク デモンストレーションのための直観的かつコスト効率の高い方法を提供するように設計されています。
次に、Comp-ACT (変圧器によるアクション チャンキングによるコンプライアンス制御) を紹介します。これは、デモンストレーションを活用して、いくつかのデモンストレーションから可変コンプライアンス制御を学習する方法です。
当社の手法は、シミュレーション環境と現実世界の環境で単腕ロボットと両手ロボットのセットアップを使用した、接触が多い複雑な操作タスク全体で検証されており、適応性と安全性が強化されたロボットに器用な操作を教える際の当社システムの有効性が実証されています。

要約(オリジナル)

Automating dexterous, contact-rich manipulation tasks using rigid robots is a significant challenge in robotics. Rigid robots, defined by their actuation through position commands, face issues of excessive contact forces due to their inability to adapt to contact with the environment, potentially causing damage. While compliance control schemes have been introduced to mitigate these issues by controlling forces via external sensors, they are hampered by the need for fine-tuning task-specific controller parameters. Learning from Demonstrations (LfD) offers an intuitive alternative, allowing robots to learn manipulations through observed actions. In this work, we introduce a novel system to enhance the teaching of dexterous, contact-rich manipulations to rigid robots. Our system is twofold: firstly, it incorporates a teleoperation interface utilizing Virtual Reality (VR) controllers, designed to provide an intuitive and cost-effective method for task demonstration with haptic feedback. Secondly, we present Comp-ACT (Compliance Control via Action Chunking with Transformers), a method that leverages the demonstrations to learn variable compliance control from a few demonstrations. Our methods have been validated across various complex contact-rich manipulation tasks using single-arm and bimanual robot setups in simulated and real-world environments, demonstrating the effectiveness of our system in teaching robots dexterous manipulations with enhanced adaptability and safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google