PolyFit:一种通过仿真到现实自适应实现未见多边形形状的孔轴装配框架
机器人学
2023-12-06 v1 人工智能
摘要
本研究针对机器人学中基础且具有挑战性的孔轴装配任务,其中由传感器误差与机械误差引起的错位常常导致插入失败或卡滞。本研究提出了 PolyFit,代表了从强化学习方法向监督学习方法的范式转变。PolyFit 是一个基于力/力矩 (Force/Torque, F/T) 的监督学习框架,专为 5 自由度孔轴装配设计。它利用 F/T 数据进行精确的外参位姿估计,并调整轴的位姿以校正错位。在仿真环境中进行的大量训练涉及一个涵盖多样化轴-孔形状、外参位姿及其对应接触 F/T 读数的数据集。为了提升外参位姿估计精度,我们在模型输入中集成了多点接触策略,认识到相同的 F/T 读数可能对应不同的位姿。本研究提出了一种用于真实世界应用的仿真到现实自适应方法,使用仿真-真实配对数据集实现对复杂且未见多边形形状的有效泛化。PolyFit 在仿真中分别对已见与未见形状取得了 97.3% 与 96.3% 的出色孔轴装配成功率。真实世界评估进一步表明其成功率分别为 86.7% 与 85.0%,凸显了所提方法的鲁棒性与适应性。
引用
@article{arxiv.2312.02531,
title = {PolyFit: A Peg-in-hole Assembly Framework for Unseen Polygon Shapes via Sim-to-real Adaptation},
author = {Geonhyup Lee and Joosoon Lee and Sangjun Noh and Minhwan Ko and Kangmin Kim and Kyoobin Lee},
journal= {arXiv preprint arXiv:2312.02531},
year = {2023}
}
备注
8 pages, 8 figures, 3 tables