学習ベースの動的適応型6自由度マルチマテリアル切断による自動チキン脱骨への取り組み

概要: 鶏の肩の骨抜き（デボニング）を自動化するには、部分的に遮蔽された変形可能な複数材料からなる関節に対して、接触が骨に伴う重大な健康・安全上のリスクを引き起こすため、精密な6自由度（6-DoF）の切断が必要です。私たちの研究は、動的に公称軌道を適応させ、骨に接触することなく関節の狭い隙間を通過するために、完全な6-DoFのナイフ制御を可能にする「反力フィードバック型（reactive force-feedback）」の切断方策を訓練し実運用するための、システムレベルおよびアルゴリズムレベルの両方への貢献を行います。第一に、結合・破断・切断力をモデル化し、強化学習をサポートする、複数材料の切断のためのオープンソースの自作シミュレータを導入します。これにより、効率的な訓練と迅速なプロトタイピングが可能になります。第二に、鶏の肩を模擬するための再利用可能な物理テストベッドを設計します。すなわち、より柔らかいブロックに埋め込まれ、制御可能な姿勢を持つ2つの剛体の「骨」球を用いることで、対象問題の重要な複数材料特性を保持したまま、厳密で反復可能な評価を可能にします。第三に、離散化した力観測とドメインランダム化を用いて残差（residual）RL方策を訓練・実運用し、堅牢なゼロショットのシミュレータから実機への移行（sim-to-real transfer）を可能にします。さらに、実際の鶏の肩の骨抜きを行う学習済み方策の初の実証も達成します。私たちのシミュレータ、物理テストベッド、実際の鶏の肩における実験では、提案する学習方策が関節の隙間を確実にナビゲートし、望ましくない骨／軟骨への接触を低減することが示されました。その結果、成功率と骨回避の観点で、既存のオープンループ切断ベースラインに対して最大4倍の改善が得られます。加えて、安全で効果的な複数材料の切断には力フィードバックが必要であることも、本結果は示しています。プロジェクトのWebサイトは https://hal-zhaodong-yang.github.io/MultiMaterialWebsite/ です。