A Learning-based Adaptive Compliance Method for Symmetric Bi-manual Manipulation

要約

対称的な両手操作は、その強力な積載能力により、軌道上での運用では不可欠なスキルです。
これまでの作品では、操作の安定性を維持するためにコンプライアンス制御が適用されていました。
しかし、従来の方法では、動作計画とコンプライアンス制御を 2 つの別個のモジュールとして捉えており、外力や外乱が存在する場合に、望ましい軌道とインピーダンス パラメーターを同時に変更することと矛盾が生じる可能性があります。
さらに、これら 2 つのモジュールを併用するには、専門家がパラメータを手動で調整する必要があります。
適応性を高めながら高い効率を達成するために、対称的な両手操作の効率と堅牢性を向上させる新しい学習ベースの適応コンプライアンス アルゴリズム (LAC) を提案します。
具体的には、アルゴリズム フレームワークは、矛盾を軽減し効率を向上させるために、統一されたフレームワークの下で目的の軌道の生成とインピーダンス パラメーターの調整を統合します。
2 番目に、強制状態を前処理する LSTM ネットワークを備えた集中型の Actor-Critic フレームワークを導入し、二重手動操作の同期を強化します。
デュアルアームペグインホールアセンブリ実験で評価した場合、私たちの方法は最適性と堅牢性の点でベースラインアルゴリズムを上回っています。

要約(オリジナル)

Symmetric bi-manual manipulation is an essential skill in on-orbit operations due to its potent load capacity. Previous works have applied compliant control to maintain the stability of manipulations. However, traditional methods have viewed motion planning and compliant control as two separate modules, which can lead to conflicts with the simultaneous change of the desired trajectory and impedance parameters in the presence of external forces and disturbances. Additionally, the joint usage of these two modules requires experts to manually adjust parameters. To achieve high efficiency while enhancing adaptability, we propose a novel Learning-based Adaptive Compliance algorithm (LAC) that improves the efficiency and robustness of symmetric bi-manual manipulation. Specifically, the algorithm framework integrates desired trajectory generation and impedance-parameter adjustment under a unified framework to mitigate contradictions and improve efficiency. Second, we introduce a centralized Actor-Critic framework with LSTM networks preprocessing the force states, enhancing the synchronization of bi-manual manipulation. When evaluated in dual-arm peg-in-hole assembly experiments, our method outperforms baseline algorithms in terms of optimality and robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google