ボールを転がす：ローリングコンタクト関節を備えた生体模倣腱駆動ハンドのための器用なポリシーの学習

要旨

生体模倣型の器用なロボットハンドは、人間が行う多くのタスクを再現し、汎用的な操作プラットフォームとしての地位を獲得する可能性を秘めています。近年の強化学習（RL）フレームワークの進展により、四足歩行や器用な操作タスクにおいて顕著な性能が達成されています。GPUベースの高度に並列化されたシミュレーション環境と組み合わせることで、数千台のロボットを並列にシミュレート可能となり、RLベースのコントローラはよりスケーラブルで扱いやすいものになりました。しかし、RLで訓練されたポリシーを現実世界に適用するためには、物理的なアクチュエータやセンサーと連携可能なポリシーを出力する訓練フレームワークと、アクセス可能な材料で製造可能でありながら、インタラクティブなポリシーを実行するのに十分な堅牢性を持つハードウェアプラットフォームが必要です。本研究では、腱駆動型の生体模倣ハンド「Faive Hand」とそのシステムアーキテクチャを紹介します。このハンドは、腱駆動型のローリングコンタクトジョイントを使用し、3Dプリント可能で堅牢な高自由度ハンド設計を実現しています。ハンドの各要素をモデル化し、GPUシミュレーション環境に統合してRLを用いてポリシーを訓練し、器用な手内球体回転スキルを物理ロボットハンドにゼロショット転移させることに成功しました。

English

Biomimetic, dexterous robotic hands have the potential to replicate much of the tasks that a human can do, and to achieve status as a general manipulation platform. Recent advances in reinforcement learning (RL) frameworks have achieved remarkable performance in quadrupedal locomotion and dexterous manipulation tasks. Combined with GPU-based highly parallelized simulations capable of simulating thousands of robots in parallel, RL-based controllers have become more scalable and approachable. However, in order to bring RL-trained policies to the real world, we require training frameworks that output policies that can work with physical actuators and sensors as well as a hardware platform that can be manufactured with accessible materials yet is robust enough to run interactive policies. This work introduces the biomimetic tendon-driven Faive Hand and its system architecture, which uses tendon-driven rolling contact joints to achieve a 3D printable, robust high-DoF hand design. We model each element of the hand and integrate it into a GPU simulation environment to train a policy with RL, and achieve zero-shot transfer of a dexterous in-hand sphere rotation skill to the physical robot hand.

ボールを転がす：ローリングコンタクト関節を備えた生体模倣腱駆動ハンドのための器用なポリシーの学習

Getting the Ball Rolling: Learning a Dexterous Policy for a Biomimetic Tendon-Driven Hand with Rolling Contact Joints

要旨

Support