FACTR 2: 범용 로봇 팔에 외력 감지 학습을 적용하여 정책 학습 개선
FACTR 2: Learning External Force Sensing for Commodity Robot Arms Improves Policy Learning
접촉이 많은 조작 작업에는 힘 감지 능력이 필요하지만, 높은 비용으로 인해 전용 힘 센서가 없는 로봇 팔이 많다. 본 논문에서는 전용 힘 센서 없이 외부 관절 토크를 추정하는 데이터 기반 방법인 Neural External Torque Estimation(NEXT)을 제안한다. NEXT는 10분간의 자유 동작 데이터만으로 1분 만에 학습되며, 전용 관절 토크 센서에 필적하는 추정 성능을 달성한다. NEXT는 저비용 로봇 팔에서 힘 피드백 원격조작을 가능하게 하며, 행동 복제(behavior cloning) 시 접촉 전 구간과 접촉 구간을 오버샘플링하는 Force-Informed Re-Sampling Training(FIRST)을 통해 정책 학습을 개선한다. 다섯 가지 장기 과제에 걸쳐 FIRST는 기존 힘 인식 정책 대비 작업 진행률에서 17% 이상 우수한 성능을 보인다. NEXT와 FIRST를 결합함으로써 추가적인 센싱 하드웨어 없이 기성 로봇에 힘 인식 원격조작 및 정책 학습을 적용할 수 있다. 영상 결과 및 코드는 https://jasonjzliu.com/factr2 에서 확인할 수 있다.