バイラテラル制御に基づく模倣学習による複数柔軟物の把持

抄録

近年，人間の動作データを用いて人間の動作を模倣する模倣学習が注目を集めているが，その多くは位置制御で動作しており，物体の位置や形状の違いに受動的に適応するような動作は困難である．これに対して，力制御を用いる模倣学習手法として，バイラテラル制御に基づく模倣学習が提案されている．しかし，きめ細かい力加減の制御を行うためには動作周波数を高くする必要があり，この場合，画像入力が無視されてしまう場合があるという課題があった．著者らはこれに対し，ニューラルネットワークの各層に画像特徴量を繰り返し入力する手法を提案しているが，単純なpick-and-placeタスクでのみ検証されており，複雑なタスクに対しては検証がなされていない．本研究では，バイラテラル制御に基づく模倣学習と画像特徴量各層入力を用いて，ハンバーガーの組立タスクを行った．このタスクの成功率を評価することで，複数の非剛体を扱う必要があるタスクに対するバイラテラル制御に基づく模倣学習の有効性を検証した．