ロボティクスによる精密挿入のためのポーズ誘導模倣学習の探究

要旨: 模倣学習はロボットによるマニピュレーションにとって有望ですが、現実世界での
\emph{正確な挿入} は、接触が多いダイナミクス、きわめて狭いクリアランス、そして限られたデモンストレーションのために依然として困難です。多くの既存の視覚運動ポリシーは、高次元のRGB/点群観測に依存していますが、これはデータ効率が悪く、姿勢の変化に対して十分に汎化できないことがあります。本論文では、対象物のポーズを
\mathrm{SE}(3) におけるコンパクトな対象物中心の観測として用いることで、正確な挿入タスクに対する姿勢誘導型模倣学習を研究します。まず、正確な挿入のための拡散ポリシーを提案します。このポリシーは、始点となる物体の
\emph{相対的な}
\mathrm{SE}(3) ポーズを、目標となる物体に対するものとして観測し、その行動として将来の相対ポーズ軌道を予測します。次に、姿勢推定ノイズに対する頑健性を高めるために、姿勢誘導ポリシーをRGBD手がかりで拡張します。具体的には、現在の観測と目標の観測との差異を捉えるための、目標条件付きRGBDエンコーダを導入します。さらに、姿勢誘導の残差付きゲート付き融合モジュールを提案します。ここでは、姿勢特徴が主たる制御信号を提供し、姿勢推定が信頼できない場合には、RGBD特徴が適応的に補償します。提案手法を、6つの実ロボットによる正確な挿入タスクで評価し、各タスクあたり 7--10 件のデモンストレーションのみで高い性能を達成します。実験設定では、提案ポリシーはクリアランスが 0.01~mm までのタスクに成功し、既存のベースラインに比べてデータ効率と汎化性が向上することを示します。コードは https://github.com/sunhan1997/PoseInsert で公開します。