インピーダンス制御による精密挿入のための軌道編集を用いた力認識型残差DAgger

要旨: 接触が豊富な高精度挿入タスクにおいて、模倣学習（IL）は強い可能性を示している。しかし、その実運用上の導入はしばしば、共変量シフト（covariate shift）や、実行中の失敗から回復するための継続的な専門家による監視の必要性によって妨げられる。本論文では、Trajectory Editing Residual Dataset Aggregation（TER-DAgger）を提案する。これは、最適化ベースの軌道編集を通じて残差ポリシーを学習することで共変量シフトを緩和する、スケーラブルで力を考慮したヒューマン・イン・ザ・ループの模倣学習フレームワークである。本手法は、ポリシーのロールアウトと人間による修正軌道を滑らかに融合し、一貫した安定した教師信号を提供する。第二に、予測されたエンドエフェクタの力と計測された力の間に不一致が生じた場合にのみ人間の介入を引き起こす、力を考慮した失敗予兆メカニズムを導入することで、継続的な専門家監視の要件を大幅に削減する。第三に、学習されたすべてのポリシーは、直交（Cartesian）インピーダンス制御の枠組み内で実行されるため、接触が豊富な相互作用中でも順応的で安全な振る舞いが保証される。シミュレーションおよび実世界の高精度挿入タスクの両方における大規模な実験により、TER-DAggerは、振る舞いのクローン、ヒトによる誘導的修正、再学習、微調整のベースラインと比較して平均成功率を37\%超向上させ、共変量シフトの緩和と、接触が豊富な操作におけるスケーラブルな導入を可能にすることを示す。