부드러운 로봇 동적 손 안 펜 회전

Soft Robotic Dynamic In-Hand Pen Spinning

November 19, 2024

저자: Yunchao Yao, Uksang Yoo, Jean Oh, Christopher G. Atkeson, Jeffrey Ichnowski

cs.AI

초록

소프트 로봇 시스템에서 동적 손 내 조작은 안전하고 유연한 상호 작용에서 이점을 보이지만 고속 동적 작업에 어려움을 겪는 도전적인 과제입니다. 본 연구에서는 소프트하고 유연한 로봇 손을 사용하여 동적 작업을 학습하는 SWIFT 시스템을 제안합니다. 이전 연구들과 달리 시뮬레이션, 준정적 행동 및 정확한 객체 모델에 의존하는 것이 아니라, 제안된 시스템은 펜을 회전시키는 것을 시행착오를 통해 학습하며 펜의 물리적 속성에 대한 명시적 사전 지식이 필요하지 않은 실제 데이터만 사용합니다. 실제 세계에서 샘플링된 자체 레이블이 지정된 시행착오를 통해 시스템은 소프트한 손이 펜을 견고하고 신뢰성 있게 회전시킬 수 있는 펜을 잡고 회전시키는 기본 매개변수 세트를 발견합니다. 물체 당 130개의 샘플링된 작업 후, SWIFT는 서로 다른 무게와 무게 분포를 가진 세 개의 펜에 걸쳐 100%의 성공률을 달성하여 시스템의 일반화 및 물체 속성 변화에 대한 견고성을 입증합니다. 결과는 소프트 로봇 종단 효과기가 빠른 손 내 조작을 포함한 동적 작업을 수행할 잠재력을 강조합니다. 또한 SWIFT가 브러시와 나사 드라이버와 같은 다른 모양과 무게의 항목을 회전시키는 데 일반화되며, 각각 10/10 및 5/10의 성공률로 회전시킴을 시연합니다. 비디오, 데이터 및 코드는 https://soft-spin.github.io에서 제공됩니다.

English

Dynamic in-hand manipulation remains a challenging task for soft robotic systems that have demonstrated advantages in safe compliant interactions but struggle with high-speed dynamic tasks. In this work, we present SWIFT, a system for learning dynamic tasks using a soft and compliant robotic hand. Unlike previous works that rely on simulation, quasi-static actions and precise object models, the proposed system learns to spin a pen through trial-and-error using only real-world data without requiring explicit prior knowledge of the pen's physical attributes. With self-labeled trials sampled from the real world, the system discovers the set of pen grasping and spinning primitive parameters that enables a soft hand to spin a pen robustly and reliably. After 130 sampled actions per object, SWIFT achieves 100% success rate across three pens with different weights and weight distributions, demonstrating the system's generalizability and robustness to changes in object properties. The results highlight the potential for soft robotic end-effectors to perform dynamic tasks including rapid in-hand manipulation. We also demonstrate that SWIFT generalizes to spinning items with different shapes and weights such as a brush and a screwdriver which we spin with 10/10 and 5/10 success rates respectively. Videos, data, and code are available at https://soft-spin.github.io.