Precision-Focused Reinforcement Learning Model for Robotic Object Pushing

要約

物体を目的の目標位置に押し込むなど、把握しにくい操作は、ロボットが日常の状況で人間を支援するための重要なスキルです。
ただし、形状、サイズ、質量、摩擦など、さまざまな物理的特性があり、場合によっては未知の物理的特性を持つオブジェクトが多種多様であるため、この作業は困難です。
これにより、オブジェクトが目標位置を超えてしまう可能性があり、特にオブジェクトを正確に押す必要がある場合には、オブジェクトの周囲でロボットの素早い修正動作が必要になります。
この論文では、新しい記憶ベースの視覚固有受容 RL モデルを導入することで最先端技術を改良し、より少ない修正動作で物体をより正確に目標位置に押し込みます。

要約(オリジナル)

Non-prehensile manipulation, such as pushing objects to a desired target position, is an important skill for robots to assist humans in everyday situations. However, the task is challenging due to the large variety of objects with different and sometimes unknown physical properties, such as shape, size, mass, and friction. This can lead to the object overshooting its target position, requiring fast corrective movements of the robot around the object, especially in cases where objects need to be precisely pushed. In this paper, we improve the state-of-the-art by introducing a new memory-based vision-proprioception RL model to push objects more precisely to target positions using fewer corrective movements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google