Cutting Sequence Diffuser: Sim-to-Real Transferable Planning for Object Shaping by Grinding

要約

ロボットによる研削による物体の成形の自動化は、回転研削ベルトで材料を除去することを含む重要な工業プロセスです。
このプロセスでは、材料の種類、除去量、ロボットの研削姿勢などのプロセス条件に応じて除去抵抗が発生し、形状遷移の解析モデリングが複雑になります。
さらに、実世界のデータに基づくデータ主導のアプローチは、データ収集コストが高く、プロセスが不可逆的な性質を持っているため、困難です。
本稿では研削による物体の整形のためのカッティングシーケンスディフューザー(CSD)を提案する。
CSD は、モデル学習に単純なシミュレーション データのみを必要とするため、現実世界に適用可能な長期的なアクション シーケンスを計画する効率的な方法を提供します。
私たちの手法は、除去抵抗によって引き起こされる形状遷移の複雑さを抑制するために、小さな除去ボリュームを制限して滑らかなアクション空間を設計し、シミュレーションにおける現実のギャップを削減します。
さらに、拡散モデルを使用して長期アクションシーケンスを生成することにより、私たちのアプローチは計画時間を短縮し、ステップごとの小さな除去量の制約を守りながらターゲット形状を研削することを可能にします。
シミュレーションと実機ロボット実験による評価により、当社のCSDは異材質、多様な目標形状を短時間で研削するのに有効であることを確認しました。

要約(オリジナル)

Automating object shaping by grinding with a robot is a crucial industrial process that involves removing material with a rotating grinding belt. This process generates removal resistance depending on such process conditions as material type, removal volume, and robot grinding posture, all of which complicate the analytical modeling of shape transitions. Additionally, a data-driven approach based on real-world data is challenging due to high data collection costs and the irreversible nature of the process. This paper proposes a Cutting Sequence Diffuser (CSD) for object shaping by grinding. The CSD, which only requires simple simulation data for model learning, offers an efficient way to plan long-horizon action sequences transferable to the real world. Our method designs a smooth action space with constrained small removal volumes to suppress the complexity of the shape transitions caused by removal resistance, thus reducing the reality gap in simulations. Moreover, by using a diffusion model to generate long-horizon action sequences, our approach reduces the planning time and allows for grinding the target shape while adhering to the constraints of a small removal volume per step. Through evaluations in both simulation and real robot experiments, we confirmed that our CSD was effective for grinding to different materials and various target shapes in a short time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google