Sim-to-Real強化学習による双手操作と愛着【JST・京大機械翻訳】

Kataoka Satoshi; Ghasemipour Seyed Kamyar Seyed; Freeman Daniel; Mordatch Igor

プレプリント

J-GLOBAL ID：202202216319366536 整理番号：22P0304927

Sim-to-Real強化学習による双手操作と愛着【JST・京大機械翻訳】

Bi-Manual Manipulation and Attachment via Sim-to-Real Reinforcement Learning

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03月15日プレプリントサーバーでの情報更新日： 2022年03月15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)

ロボット操作におけるほとんどの成功は,単一アームロボットに制限され,それは,解決可能タスクの範囲を,ピックアップと位置,挿入,およびオブジェクト再配列に制限する。対照的に,二重およびマルチアームロボットプラットフォームは,洗濯の折りたたみや調理スキルの実行のような,取り組むことができる問題の豊富な多様性をロックする。しかしながら,マルチアームロボットのためのコントローラの開発は,協調したバイマニア行動の必要性やロボット間の衝突回避のような多数のユニークな課題によって複雑化されている。これらの課題を考えると,本研究では,シミュレーションで訓練された強化学習(RL)を用いて,実際のロボットプラットフォーム上で得られる政策が実行できるように,二人的タスクを解決する方法を研究した。著者らのRLアプローチは,リアルタイム(4Hz)関節空間制御とニューラルネットワーク政策への非フィルタリング観測を直接通過させることによる有意な単純化をもたらす。また,RL政策の効果的な訓練につながる模擬環境に対する修正を広範囲に論じた。制御アルゴリズムの設計に加えて,重要な挑戦は,高レベル知覚のような直交複雑化因子を除去しながら,二人的協調をストレスする双手ロボットのための公正な評価タスクを設計する方法であった。本研究では,2つのロボットアームをピックアップし,磁気接続点を有する2つのブロックを付着させるための接続タスクを設計した。著者らは,2つのxArm6ロボットと3D印刷ブロックを磁気アタッチメントで検証して,このシステムがブロックのピックアップで100%の成功率を持ち,接続タスクで65%の成功率を有することを見出した。【JST・京大機械翻訳】

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

ロボットの運動・制御 , 人工知能

前のページに戻る