Core Concepts
低剛性ロボットの拭き取り行動を学習し、様々な表面材料とタスク定義に適応させる方法を開発しました。
Abstract
拭き取り行動は手のひらで力を感じながら物体の表面を追跡する基本的な人間の動作です。
この研究では、低剛性ロボットMyCobotを使用して、複数の表面材料と異なるタスク定義に基づいて拭き取り行動を遂行する方法が提案されています。
ネットワーク構造やデータ収集方法、オンライン学習プロセス、各種タスク定義に関する詳細が記載されています。
実験結果から、提案手法は従来の制御入力よりも優れたパフォーマンスを示すことが示されています。
今後は3次元曲面にも対応できるよう手法を拡張していく予定です。
学習システム全体
低剛性ロボットMyCobotを使用して実験が実施されたことが示されている。
パラメトリックバイアス(PB)を用いた学習システムが提案されており、表面材料特性情報が埋め込まれることが説明されている。
データ収集とトレーニング
表面材料ごとにデータ収集が行われ、パラメトリックバイアス(PB)のトレーニングが進められたことが述べられている。
オンライン学習プロセス
オンラインでパラメトリックバイアス(PB)を更新し、現在の表面材料推定や適切なモデル適応能力について説明されている。
様々なタスク定義への対応
様々な損失関数によって異なるタスク定義へ対応可能であることが示唆されており、実験結果からその有効性が確認されている。
Stats
MyCobotは低剛性樹脂製であり、複数の表面材料上で適切に拭き取り行動を実行することが示された。
uSkinは24個の3軸センサーを含む接触センサーであり、72次元値用に適切な損失関数設定可能。