未知の抵抗下における視覚運動ポリシーのための意図誘導型適応剛性化

生成的な visuomotor policy の下に置く residual stiffening layer を提案する研究。 - 対象は、キャップのねじ外しや T-nut を T-slot groove に沿って押すなど、高摩擦方向へ力を加える必要がある manipulation タスク。 - 方針は、未変更の policy の下に層を追加し、抵抗に応じて stiffness を適応的に上げる。 - force sensing を使わず、policy が指令する運動と実際の運動の不一致から抵抗を認識する。 - 4-mode supervisor が policy 自身の action chunk から読んだ単一方向に沿って stiffness を上げ、進行中は保持し、終了後に解放する。 - compliance labels、再学習、再収集した demonstrations を必要としない。

従来の generative visuomotor policy は運動を予測するが、それを実現する authority は下層の impedance controller に制限される。 - 抵抗が compliant controller の能力を超えると、予測が正確でもタスクは達成不能になる。 - 必要な力は観測に現れない接触状態に依存するため事前に予測できない。 - 本手法は、policy を変更せずに residual stiffening layer を追加することで、この authority の限界を補う。 - 同じ抵抗で一様に硬い controller と比べ、成功率を 52% から 90% に上げつつ、peak off-axis force を 61% 削減する。

技術の肝は、force sensing なしで抵抗を検出し、stiffness を適応的に制御する点。 - policy が指令する運動と実際に実現した運動の mismatch から抵抗を認識する。 - 4-mode supervisor が、policy の action chunk から読み取った単一方向に沿って stiffness を上げる。 - タスク進行中は stiffness を保持し、終了後に解放する。 - 層は未変更の policy の下に置かれ、compliance labels、再学習、再収集した demonstrations を必要としない。

2つの実タスクで検証している。 - タスクは、bottle cap の unscrewing と、T-nut を T-slot groove に沿って non-homogeneous friction に逆らって押すこと。 - 6段階の抵抗レベルで評価し、そのうち2段階は demonstrations から除外した。 - 結果として、成功率が 52% から 90% に向上した。 - 同じ抵抗で一様に硬い controller と比べ、peak off-axis force が 61% 少なかった。

要旨からは不明。 - 限界や失敗事例、他のタスクへの一般化、計算コストなどについての議論は要旨に記載されていない。

要旨で参照・比較されている研究は明示されていない。 - 関連手法として、generative visuomotor policy、impedance controller、residual stiffening layer、4-mode supervisor が挙げられる。 - 同分野の定番として、visuomotor policy learning、impedance control、force control、compliance adaptation に関する研究を読むとよい。