Online Learning-Based Inertial Parameter Identification of Unknown Object for Model-Based Control of Wheeled Humanoids

要約

安全で正確なロボット制御には、操作対象の動的特性を識別することが不可欠です。
ほとんどの方法は、低ノイズの力トルク センサー、長い励起信号、および非線形最適化問題の解決に依存しているため、推定プロセスが遅くなります。
この研究では、モデルベースの制御を強化する高速オンライン学習ベースの慣性パラメーター推定フレームワークを提案します。
リアルタイムシステムにも適用可能なエンドツーエンド学習により、ロボットの固有受容のみを利用して未知の物体のパラメータを迅速かつ正確に推定することを目指します。
物体のダイナミクスの影響を受けるロボットの固有受容の特徴を効果的にキャプチャし、現実世界でグラウンド トゥルースの慣性パラメーターを取得するという課題に対処するために、リアルからシミュレーションへの適応を通じてより正確なロボット ダイナミクスを使用する高忠実度シミュレーションを開発しました。
私たちの適応はロボットのみに焦点を当てているため、タスク関連のデータ (例: 物体を保持するなど) は現実世界から必要とされず、データ収集プロセスが簡素化されます。
さらに、ロボット システム識別とガウス プロセスを使用して、パラメトリック モデリング エラーとノンパラメトリック モデリング エラーの両方に個別に対処します。
推定器を検証して、車輪付きヒューマノイド ロボットから得られた特定の軌道が与えられた場合に、操作対象の物理的に実現可能なパラメータをどの程度迅速かつ正確に推定できるかを評価します。
当社の推定器は、他の方法と同等の精度を維持しながら、より高速な推定速度 (約 0.1 秒) を実現します。
さらに、私たちの推定器は、オブジェクトのダイナミクスを補償し、車輪付きヒューマノイドの新しい平衡点を再初期化することにより、モデルベースの制御のパフォーマンスを向上させる利点をさらに強調しています。

要約(オリジナル)

Identifying the dynamic properties of manipulated objects is essential for safe and accurate robot control. Most methods rely on low noise force torque sensors, long exciting signals, and solving nonlinear optimization problems, making the estimation process slow. In this work, we propose a fast, online learning based inertial parameter estimation framework that enhances model based control. We aim to quickly and accurately estimate the parameters of an unknown object using only the robot’s proprioception through end to end learning, which is applicable for real-time system. To effectively capture features in robot proprioception affected by object dynamics and address the challenge of obtaining ground truth inertial parameters in the real world, we developed a high fidelity simulation that uses more accurate robot dynamics through real-to-sim adaptation. Since our adaptation focuses solely on the robot, task-relevant data (e.g., holding an object) is not required from the real world, simplifying the data collection process. Moreover, we address both parametric and non-parametric modeling errors independently using Robot System Identification and Gaussian Processes. We validate our estimator to assess how quickly and accurately it can estimate physically feasible parameters of an manipulated object given a specific trajectory obtained from a wheeled humanoid robot. Our estimator achieves faster estimation speeds (around 0.1 seconds) while maintaining accuracy comparable to other methods. Additionally, our estimator further highlight its benefits in improving the performance of model based control by compensating object’s dynamics and reinitializing new equilibrium point of wheeled humanoid

arxiv情報

提供元, 利用サービス

arxiv.jp, Google