ロボットなしの訓練ロボット:マスタツーロボットポリシー移動のための深層模倣学習【JST・京大機械翻訳】

Kim Heecheol; Ohmura Yoshiyuki; Nagakubo Akihiko; Kuniyoshi Yasuo

プレプリント

J-GLOBAL ID：202202200554532865 整理番号：22P0292186

ロボットなしの訓練ロボット:マスタツーロボットポリシー移動のための深層模倣学習【JST・京大機械翻訳】

Training Robots without Robots: Deep Imitation Learning for Master-to-Robot Policy Transfer

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月19日プレプリントサーバーでの情報更新日： 2024年02月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深い模倣学習は,実証サンプルのみを必要とするので,ロボット操作にとって有望である。本研究では,深層模倣学習を力フィードバックを必要とするタスクに適用した。しかし,既存の実証方法は欠陥がある。両側遠隔手術は,複雑な制御スキームを必要とし,高価であり,運動教育は,人間の介入から視覚的な混乱に悩まされる。本研究では,力フィードバックベース操作タスクを教育するロボットを必要としない新しいマスタツーロボット(M2R)ポリシー転送システムを提案した。人間は制御装置を用いたタスクを直接実証した。この制御装置はロボットアームの運動学パラメータに似ており,力/トルク(F/T)センサと同一のエンドエフェクタを用いて力フィードバックを測定する。この制御装置を用いて,オペレータは両側システムなしで力フィードバックを感じることができる。提案方法は,注視ベースの模倣学習と簡単なキャリブレーション法を用いて,マスタとロボットの間のドメインギャップを克服することができる。さらに,変換器をF/T官能入力から政策を推論するために適用した。提案システムを,力フィードバックを必要とするボトルキャップ開口タスクで評価した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

ロボットの運動・制御

, , ,

前のページに戻る