[论文解读] Low-cost Sensor Glove with Force Feedback for Learning from Demonstrations using Probabilistic Trajectory Representations

Elmar Rueckert, Rudolf Lioutikov+4 more|arXiv (Cornell University)|Oct 12, 2015

Robot Manipulation and Learning参考文献 12被引用 8

一句话总结

该论文提出了一款低成本（250美元）的触觉反馈传感器手套，用于在iCub机器人上通过模仿学习掌握操作技能。通过使用带有高斯基函数的贝叶斯线性回归，将多个人类示范建模为概率轨迹分布，借助内置的阻抗控制器实现柔顺、自适应的跟踪控制，并在实验中成功展示了自主的杯子堆叠能力。

ABSTRACT

Sensor gloves are popular input devices for a large variety of applications including health monitoring, control of music instruments, learning sign language, dexterous computer interfaces, and tele-operating robot hands. Many commercial products as well as low-cost open source projects have been developed. We discuss here how low-cost (approx. 250 EUROs) sensor gloves with force feedback can be build, provide an open source software interface for Matlab and present first results in learning object manipulation skills through imitation learning on the humanoid robot iCub.

研究动机与目标

• 开发一种经济实惠、开源的传感器手套，配备触觉反馈，用于人机模仿学习。
• 通过多个人类示范实现精细操作技能的学习。
• 使用贝叶斯线性回归将示范轨迹建模为概率分布。
• 利用轨迹方差实现柔顺、自适应的机器人控制，而无需前向模型。
• 在iCub人形机器人上，通过学习到的概率运动表征，实现自主技能再现。

提出的方法

• 手套在每根手指上使用4.5英寸的弯曲传感器测量关节角度，并在指尖处安装VPM2纽扣振动马达以提供触觉反馈。
• Arduino Mega 2560以350 Hz的采样率处理传感器数据，并通过USB与主机计算机使用串行协议通信。
• 人类示范通过带有高斯特征的线性基函数模型，被建模为轨迹的概率分布。
• 每个轨迹的权重向量w通过正则化最小二乘法估计，先验分布p(w)的均值和协方差则基于w[i]向量的样本均值和样本协方差计算得出。
• 机器人在自主执行过程中，使用内置的低层级阻抗控制器来跟踪所学轨迹分布的均值。
• 触觉反馈通过将机器人手部触觉传感器读数映射为发送至手套振动马达的PWM值来实现。

实验结果

研究问题

• RQ1 低成本传感器手套配备触觉反馈，能否有效捕捉人类手部运动与触觉反馈，以支持机器人学习？
• RQ2 如何将多个人类示范建模为轨迹的概率分布，以提升鲁棒性与柔顺性？
• RQ3 内置阻抗控制器能否在无需前向模型的情况下，成功跟踪所学概率轨迹分布的均值？
• RQ4 在示范过程中提供触觉反馈在多大程度上能提升抓握质量与技能学习效果？
• RQ5 所学轨迹分布中的方差能否用于自适应调整控制增益，从而提升性能？

主要发现

• 通过两次杯子堆叠示范，成功训练出对13个关节角度的概率模型，该模型准确捕捉了轨迹的均值与方差。
• 在自主再现阶段，通过低层级阻抗控制器跟踪所学分布的均值，实现了稳定且柔顺的运动。
• 观察到触觉反馈有助于在不引起形变的情况下抓握杯子，但尚需进一步评估。
• 系统实现了实时性能，控制频率为200 Hz，示范持续时间为15秒。
• 已发布手套与概率模型的开源软件，使研究社区能够复用并扩展该系统。