Soft Robotic Dynamic In-Hand Pen Spinning

要約

ソフトロボットシステムにとって、動的な手の操作は依然として困難な課題であり、ソフトロボットシステムは、安全な準拠したインタラクションにおいて利点を実証しているものの、高速の動的なタスクには苦労しています。
この研究では、柔らかく従順なロボットハンドを使用して動的タスクを学習するシステムである SWIFT を紹介します。
シミュレーション、準静的アクション、および正確なオブジェクトモデルに依存するこれまでの研究とは異なり、提案されたシステムは、ペンの物理的属性についての明示的な事前知識を必要とせず、実世界のデータのみを使用して試行錯誤を通じてペンの回転を学習します。
現実世界からサンプリングされた自己ラベル付きトライアルにより、システムは、柔らかい手でも確実かつ確実にペンを回転できるようにする、ペンの掴みと回転の基本パラメータのセットを発見します。
オブジェクトごとに 130 のアクションをサンプリングした後、SWIFT は重みと重み配分が異なる 3 つのペンで 100% の成功率を達成し、オブジェクトのプロパティの変化に対するシステムの汎用性と堅牢性を実証しました。
この結果は、ソフトロボットエンドエフェクターが素早い手での操作を含む動的タスクを実行できる可能性を強調しています。
また、SWIFT は、ブラシやドライバーなど、形状や重さが異なるアイテムの回転に一般化されており、それぞれ 10/10 と 5/10 の成功率で回転することも示します。
ビデオ、データ、コードは https://soft-spin.github.io で入手できます。

要約(オリジナル)

Dynamic in-hand manipulation remains a challenging task for soft robotic systems that have demonstrated advantages in safe compliant interactions but struggle with high-speed dynamic tasks. In this work, we present SWIFT, a system for learning dynamic tasks using a soft and compliant robotic hand. Unlike previous works that rely on simulation, quasi-static actions and precise object models, the proposed system learns to spin a pen through trial-and-error using only real-world data without requiring explicit prior knowledge of the pen’s physical attributes. With self-labeled trials sampled from the real world, the system discovers the set of pen grasping and spinning primitive parameters that enables a soft hand to spin a pen robustly and reliably. After 130 sampled actions per object, SWIFT achieves 100% success rate across three pens with different weights and weight distributions, demonstrating the system’s generalizability and robustness to changes in object properties. The results highlight the potential for soft robotic end-effectors to perform dynamic tasks including rapid in-hand manipulation. We also demonstrate that SWIFT generalizes to spinning items with different shapes and weights such as a brush and a screwdriver which we spin with 10/10 and 5/10 success rates respectively. Videos, data, and code are available at https://soft-spin.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google