Propriozeptive Reflexpolitik für kontaktintensive Manipulation aus drei Interaktionsprimitiven
Das Paper stellt einen in Simulation trainierten propriozeptiven Reflex vor, der als eingefrorene Ausführungsschicht unter höheren Reglern arbeitet und Aufgabenkommandos an lokale Kontaktbedingungen anpasst. Auf realen Robotern verbessert er das Kistenheben und die Peg-in-Hole-Montage; bei 0,02 mm Toleranz steigt die Erfolgsquote von maximal 22 % auf 36–58 % und die geschätzte Kontaktkraft sinkt auf weniger als die Hälfte. Da es sich um einen arXiv-Preprint handelt, ist die Arbeit nicht begutachtet.
Kann eine rein propriozeptive, in Simulation auf drei einfachen Interaktionsprimitiven trainierte Reflexpolitik als ausführende Schicht unter ungenauen task-level Kommandos lokale Kontaktkräfte begrenzen und den Aufgabenerfolg erhalten?
Bei kontaktintensiven Manipulationsaufgaben passen die von Positions-, hybriden Kraft-Positions- oder kartesischen Impedanzreglern vorgegebenen Sollbahnen, Steifigkeiten oder Kraftrichtungen oft nicht zu den lokalen geometrischen Randbedingungen; das führt zu überhöhten Kräften, Verklemmen oder Instabilität.
Bisherige Systeme nutzen klassische Ausführungsschichten wie IK + PD, kartesische Impedanzregelung oder hybride Kraft-Positionsregelung sowie gelernte Interaktionsregler wie FORGE. Deren Nachteil ist, dass die Steifigkeits- und Kraftparameter oder die vorgegebene Kraftachse manuell auf die Aufgabeninstanz abgestimmt werden müssen und ungenaue Kommandos, z.B. falsche Lochpositionen oder zu tiefe Sollbahnen, direkt in hohe Kräfte umsetzen.
Die Autoren trainieren eine propriozeptive Reflexpolitik mit PPO in Simulation ausschließlich auf drei virtuellen Interaktionsprimitiven: Feder, Ebene und Schiene. Die Politik erhält einen 0,5 s langen Verlauf aus Gelenkwinkeln, Sollfehlern, kommandierten und gemessenen Endeffektorposen sowie einem binären Compliance-Modus und gibt residuale Gelenkpositionsziele aus; Kraftmessungen und Primitiveparameter werden nicht beobachtet. Ein asymmetrischer Actor-Critic nutzt privileged ground-truth Kräfte im Critic. Belohnt werden Fortschritt zu einer kraftprojizierten Referenz, Krafttracking unterhalb einer Schwelle und Strafen für übermäßige Belastung. Die trainierte Politik läuft als fixe Schicht zwischen task-level Kommandoquelle und nachgiebigem Gelenkregler auf zwei Robotern.
In der realen Kistenhebung hält der Reflex die simulierte Palmenkontaktkraft bei oder unter 2 N und die mittlere Gelenkpositionsfehler unter 12°, während IK + PD bei 17,5 cm Eindringtiefe divergiert. In der realen Peg-Insertion mit 0,02 mm Toleranz erreicht der Reflex 36–58 % Erfolg über Offsets von 0–9 mm, IK + PD maximal 22 % und 0 % bei 5 mm; die mittlere geschätzte Kontaktkraft beträgt 6,3–7,6 N gegenüber 17,4–20,0 N, die Peaks höchstens 40,0 N gegenüber bis zu 73,9 N. Bei 0,1 mm Toleranz liegt der Reflex bei 100 % Erfolg bei 0 und 2 mm Offset und 84 % bei 9 mm, mit 1,71 s gegenüber 6,81 s bei 0 mm und niedrigeren Kräften. In Simulation erreicht der Reflex 99,0 % Erfolg bei 1,0 mm, 93,1 ± 2,8 % bei 0,1 mm und 74,8 ± 4,6 % bei 0,02 mm, während IK + PD auf 97,9 %, 72,8 ± 7,1 % und 54,6 ± 12,4 % kommt und Impedance nur 10,4 ± 4,3 % bei 0,02 mm erreicht. Beim simulierten Oberflächenfolgen hält der Reflex die Kraft-p95 auf 7,4–7,5 N, nahe an Hybrid mit 7,4–8,7 N, und bleibt unter der 10-N-Schwelle; ein Gain-Sweep von IK + PD und Impedance erreicht den Reflex-Arbeitspunkt nicht.
Die Autoren nennen als Grenzen: Die Primitive modellieren nur translatorische Belastungen und Zwangsbedingungen, keine Rotationskopplungen wie beim Öffnen einer Tür mit starrem Griff; außerdem benötigt die Politik ein explizites Compliance-Modus-Signal, das von der übergeordneten Ebene oder separater Logik kommen muss. Die Oberflächenfolge wurde nur in Simulation evaluiert, und die Hardwareversuche umfassen zwei Roboter und begrenzte Durchläufe; ein veröffentlichter Code wird im Paper nicht berichtet.
Für Hersteller von Industrierobotern und Automationssysteme könnte die Reflexpolitik als universelle, nachgiebige Ausführungsschicht unter Planern, Lernpolitiken oder Teleoperation dienen, insbesondere bei Montage mit engen Toleranzen, Oberflächenbearbeitung oder kollaborativem Heben. Kurzfristig sind Simulation und erste Hardwareergebnisse vielversprechend, eine industrielle Nutzung erfordert aber breitere Aufgabenvalidierung, Behandlung rotatorischer Kontakte und eine robuste Integration des Compliance-Modus; realistisch in ein bis drei Jahren für enge Toleranzmontagen, wenn diese Punkte gelöst werden.
Der Volltext wird hier nicht wiedergegeben, weil die Lizenz der Studie das nicht erlaubt. Das Original steht auf arXiv.