접촉자 풍부 한 조작: 왜 어렵고 어떻게 접근 할 수 있습니까?

접촉 에 부자 되는 과제 들 이 어렵게 만드는 것

접촉 부가한 조작 삽입, 나, 가늘어, 구멍, 케이블 라우팅 은 로봇과 물체 사이의 지속적이고 힘에 민감한 접촉을 포함한다. 작은 위치 오류는 방해 또는 과도한 힘으로 이어집니다. 접촉 동기는 끊이지 않으며 정확하게 시뮬레이션하기 어렵고 기하학적 용납성에 매우 민감합니다.

고전적 방법과 학습된 방법

고전적 접근법은 나선 검색 패턴과 힘 임대값을 사용하여 임피던스 제어를 사용합니다. 그들은 알려진 기하학에 대해 신뢰할 수있게 작동하지만 작업마다 광범위한 조정이 필요합니다. 학습된 접근법 (행동 클로닝, 힘 관측을 가진 RL) 은 더 많은 변이를 처리 할 수 있지만 힘-토크 감지으로 고품질의 시범 데이터가 필요합니다. 현재 가장 좋은 결과는 두 가지를 결합합니다. 높은 수준의 전략에 대한 학습을 사용하고 낮은 수준의 힘 조절에 대한 고전적 통제입니다.

연락처 작업에 대한 데이터 수집

시각적 관측과 함께 힘과 동력을 기록하는 것은 필수적입니다. 직관적인 힘 전송을 위해 리더-후보 텔레오퍼레이션을 사용하십시오. 조작자가 과도한 교정력을 적용하는 필터 시범을 수행하십시오. PAXini 촉각 센서와 함께 RCSV의 오픈아름은 접촉 부적 인 데이터 수집에 필요한 센서 스위트를 제공합니다.

접촉 에 부자 되는 과제 들 이 어렵게 만드는 것

접촉 부가한 조작 삽입, 나, 가늘어, 구멍, 케이블 라우팅 은 로봇과 물체 사이의 지속적이고 힘에 민감한 접촉을 포함한다. 작은 위치 오류는 방해 또는 과도한 힘으로 이어집니다. 접촉 동기는 끊이지 않으며 정확하게 시뮬레이션하기 어렵고 기하학적 용납성에 매우 민감합니다.

고전적 방법과 학습된 방법

고전적 접근법은 나선 검색 패턴과 힘 임대값을 사용하여 임피던스 제어를 사용합니다. 그들은 알려진 기하학에 대해 신뢰할 수있게 작동하지만 작업마다 광범위한 조정이 필요합니다. 학습된 접근법 (행동 클로닝, 힘 관측을 가진 RL) 은 더 많은 변이를 처리 할 수 있지만 힘-토크 감지으로 고품질의 시범 데이터가 필요합니다. 현재 가장 좋은 결과는 두 가지를 결합합니다. 높은 수준의 전략에 대한 학습을 사용하고 낮은 수준의 힘 조절에 대한 고전적 통제입니다.

연락처 작업에 대한 데이터 수집

시각적 관측과 함께 힘과 동력을 기록하는 것은 필수적입니다. 직관적인 힘 전송을 위해 리더-후보 텔레오퍼레이션을 사용하십시오. 조작자가 과도한 교정력을 적용하는 필터 시범을 수행하십시오. PAXini 촉각 센서와 함께 RCSV의 오픈아름은 접촉 부적 인 데이터 수집에 필요한 센서 스위트를 제공합니다.