接触制約を考慮したインピーダンス制御のための多様体生成アニーリング：強化学習を事前分布として
Manifold Generative Annealing for Contact Constraint-aware Impedance Control with Reinforcement Learning Prior
強化学習方策を構造化された提案として活用し、モデルベースのロールアウトと多様体上の洗練を組み合わせることで、接触条件が変化する環境下でも安全な動作とインピーダンスを同時に最適化する手法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Zhilin He, Guoquan Qi, Changliu Liu
分類: cs.RO
原文アブストラクト
Contact-rich robotic tasks require coordinated motion and impedance under uncertain interaction dynamics and physical constraints. While recent methods on learned policies provide useful interaction strategies, they may fail when contact conditions differ from those encountered during training. Model-based generative methods show promising receding-horizon trajectories optimization results, but often lack structured behavioral guidance and refinement that jointly accounts for constraint geometry and actual contact responses. To this end, we propose Manifold Generative Annealing (MGA), a joint model-free and model-based generative framework for motion--impedance optimization. MGA first organizes pretrained reinforcement learning policies into structured sequence proposals, retaining task-specific interaction strategies without committing to their execution. It then evaluates these proposals alongside exploratory samples through model-based rollouts for refinement or separate execution selection. Crucially, realization-aware manifold refinement aligns updates from the refinement bank with both task constraints and locally achievable physical responses, allowing learned experience to guide online adaptation under changing contact conditions. Experiments cover surface scanning, peg insertion, and humanoid pushing, with improved safety success rate of impedance control under nominal and sensing-shift conditions.
関連論文
- 未知環境におけるロボットのロバスト適応バックステッピングインピーダンス制御インピーダンス制御
- ポート・ハミルトン理論を活用したインピーダンス制御のベンチマークインピーダンス制御
- インピーダンス制御試験ベンチの構築インピーダンス制御
- ロボットシステムのための目標インピーダンス割り当てインピーダンス制御
- 受動性を保証する可変インピーダンススキルのデモンストレーション学習インピーダンス制御
- 先制的衝撃低減と接触インピーダンス制御の滑らかな接続インピーダンス制御