マルチモーダル注意機構を用いる実ロボットの器用な物体操作タスクの自動化

使用多模态注意机制在真实机器人中实现灵巧物体操纵任务的自动化

• 批准号: 22KJ0890
• 负责人: KIM HEECHEOL
• 金额: $ 1.09万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ0890/
• 关键词: 深層模倣学習; 双腕ロボット; 器用な物体操作

本研究では、ロボットによる器用な物体操作課題を可能にする高データ効率でかつ精密なマルチモーダル深層模倣学習の機構を探求した。従来のロボットによる物体操作は、専門家によるルールベースの設計が必要で、バナナの皮むきなど、そのルールがはっきりとわからないタスクでは適用できなかった。しかし、本研究で提案されたアプローチにより、より少数のデータから人間の物体操作スキルの獲得ができ、人間の専門家からの事前知識を要しない器用な物体操作スキルの獲得ができた。模倣学習において、ロボットの軌跡の器用さと安定性はトレードオフ関係にある性質である。なぜなら、器用な物体操作方策は、蓄積誤差に脆弱であり、結果として軌跡の安定性を損なうからである。本研究では、器用さと安定性の両方を達成するために、global action（物体をつかむために手を動かすなどの全域領域での行動）と、local action（手が物体を操作する局所的な行動）を、それぞれ軌跡全体を一度に予測して実行するフィードフォワード制御と、反応的なフィードバック制御で割り当てた。これにより、ロボットは物体周辺の局所領域でのみ反応的な行動を取り、蓄積誤差の影響を最小化した。さらに、力覚フィードバックを必要とするタスクのための深層模倣学習機構を調査し、複雑な制御システムや高価なバイラテラル（bilateral）システムを必要とせず、ロボットなしでマスターコントローラーだけを用いる教示方法を提案した。提案方法では、人間の視線情報を使用し、視線周辺の局所領域のビジョン情報のみを使用することにより、マスターコントローラ側とロボット側の違いを最小限に抑える学習方法を考案し、栓抜きという力を必要とするタスクを模倣学習で学習することに成功した。

这项研究探讨了高度数据效率和精确的多模式深度模仿学习的机制，从而实现了基于机器人的对象操纵任务。传统的机器人对象操纵需要基于专家规则的设计，并且不能应用于未明确理解规则的任务，例如剥离香蕉。但是，这项研究中提出的方法允许从少量数据中获取人类对象操纵技能，以及获得不需要人类专家先验知识的灵巧对象操纵技能。在模仿学习中，机器人轨迹的敏捷性和稳定性是权衡的特性。这是因为灵巧的对象操纵策略容易受到积累错误的影响，从而损害了轨迹稳定性。在这项研究中，为了达到敏捷性和稳定性，全球行动（全部地区的行动，例如移动的动作以抓住对象）和本地动作（手动操纵对象的本地动作）被分配给了馈电控制，从而一次预测并执行了整个轨迹，并执行了整个轨迹。这仅在对象周围的局部区域中采取反应性行为，从而最大程度地减少了积累错误的效果。此外，我们研究了需要力量反馈的任务的深层模拟学习机制，并提出了一种不需要复杂控制系统或昂贵双边系统的教学方法，并且仅使用没有机器人的主控制器。在拟议的方法中，我们设计了一种学习方法，该方法仅通过使用凝视线周围的局部区域的视觉信息来最大程度地减少主控制器和机器人方面的差异，并成功地学习了需要使用模仿学习的开瓶器功能的任务。

项目成果

Memory-based gaze prediction in deep imitation learning for robot manipulation

• DOI: 10.1109/icra46639.2022.9812087
• 发表时间: 2022-02
• 期刊: 2022 International Conference on Robotics and Automation (ICRA)
• 作者: Heecheol Kim;Y. Ohmura;Y. Kuniyoshi

Training Robots Without Robots: Deep Imitation Learning for Master-to-Robot Policy Transfer

• DOI: 10.1109/lra.2023.3262423
• 发表时间: 2022-02
• 期刊: IEEE Robotics and Automation Letters
• 影响因子: 5.2
• 作者: Heecheol Kim;Y. Ohmura;Akihiko Nagakubo;Y. Kuniyoshi

Using human gaze in few-shot imitation learning for robot manipulation

• DOI: 10.1109/iros47612.2022.9981706
• 发表时间: 2022-10
• 期刊: 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
• 作者: Shogo Hamano;Heecheol Kim;Y. Ohmura;Y. Kuniyoshi