HydroShear: 触覚シミュレーションから実機への強化学習のためのハイドロエラスティックせん断シミュレーション
HydroShear: Hydroelastic Shear Simulation for Tactile Sim-to-Real Reinforcement Learning
本論文では、接触を伴うタスクにおける触覚のシミュレーションから実機へのポリシー転送の問題を扱い、非ホロノミックなハイドロエラスティック触覚シミュレータHydroShearを提案する。これは、スティックスリップ遷移、経路依存の力とせん断の蓄積、完全なSE(3)物体-センサ相互作用をモデル化し、GelSight Miniを用いた実験で既存手法より忠実に実触覚せん断を再現し、ゼロショットのsim-to-real転送を可能にする。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: An Dang, Jayjun Lee, Mustafa Mukadam, X. Alice Wu, Bernadette Bucher, Manikantan Nambi, Nima Fazeli
分類: cs.RO, cs.AI
原文アブストラクト
In this paper, we address the problem of tactile sim-to-real policy transfer for contact-rich tasks. Existing methods primarily focus on vision-based sensors and emphasize image rendering quality while providing overly simplistic models of force and shear. Consequently, these models exhibit a large sim-to-real gap for many dexterous tasks. Here, we present HydroShear, a non-holonomic hydroelastic tactile simulator that advances the state-of-the-art by modeling: a) stick-slip transitions, b) path-dependent force and shear build up, and c) full SE(3) object-sensor interactions. HydroShear extends hydroelastic contact models using Signed Distance Functions (SDFs) to track the displacements of the on-surface points of an indenter during physical interaction with the sensor membrane. Our approach generates physics-based, computationally efficient force fields from arbitrary watertight geometries while remaining agnostic to the underlying physics engine. In experiments with GelSight Minis, HydroShear more faithfully reproduces real tactile shear compared to existing methods. This fidelity enables zero-shot sim-to-real transfer of reinforcement learning policies across four tasks: peg insertion, bin packing, book shelving for insertion, and drawer pulling for fine gripper control under slip. Our method achieves a 93% average success rate, outperforming policies trained on tactile images (34%) and alternative shear simulation methods (58%-61%).
関連論文
- TactileLab: せん断感覚を効率的にシミュレートする触覚シミュレーションによるSim-to-Real巧緻マニピュレーション触覚/sim2real
- TactSpace: 触覚のシミュレーションから実世界への転移のための物理強化共有潜在空間の学習触覚/sim2real
- 触覚シミュレータを実写類似・ゼロショット性能で拡張するSightGAN触覚/sim2real
- Tactile Gym 2.0：低コスト高解像度触覚センサを比較するためのSim-to-Real深層強化学習触覚/sim2real
- 深層テクスチャ生成ネットワークによる触覚Sim2Realギャップの削減触覚/sim2real
- 物理シミュレーションと学習潜在投影による触覚センシングのsim-to-real触覚/sim2real
