Wiggle and Go! 動的ロープ操作のゼロショット向けシステム同定

概要: 多くのロボットタスクは寛容ではありません。動的な投げ動作における単一のミスが、受け入れがたい遅延や、回復不能な失敗につながることがあります。これを緩和するために、本研究では、効率的かつ正確なタスク実行のための目標条件付き動的マニピュレーションを行う際に、学習済みシミュレーション事前分布を活用する新しいアプローチを提案します。動的なロープ操作に関する関連手法は、ロープ挙動を推定するために大規模な実環境データセットを必要とするか、またはタスク完了のために試行を重ねて反復的に改善することを用います。本論文では、ゼロショットによるタスクのロープ操作を可能にする、システム同定の2段階フレームワークである Wiggle and Go! を導入します。このフレームワークは、ロープの運動を観測して記述的な物理パラメータを予測するシステム同定モジュールと、その予測結果を、ロボットが実環境でゼロショット実行するための目標条件付き行動予測へと導く最適化手法とで構成されます。提案手法は、同一のタスク非依存なシステム同定モジュールによって可能になる複数の動的マニピュレーションタスクにわたって強力な性能を達成します。このモジュールは異なるマニピュレーションタスク間でシームレスに切り替え可能であり、単一のモデルが多様なマニピュレーション方策を支えられるようにします。タスクモデルがシステムパラメータに基づいていない場合における 15.34 cm の精度と比較して、ロープのシステムパラメータを用いることで実環境における3Dターゲットの打撃で平均 3.55 cm の精度を達成します。さらに、予測されたロープと実際のロープのフーリエ周波数間で、未見の軌道においてピアソン相関係数 0.95 を達成します。プロジェクトのWebサイトは https://wiggleandgo.github.io/ をご覧ください。