La navigation robotique entraînée en simulation progresse sur l’iw.hub réel
En termes simples
Les chercheurs ont entraîné en simulation une politique de navigation pour robot, puis l’ont testée sur un iw.hub physique. Avec des données propres à l’installation et des variantes visuelles de Cosmos, 91,7 % des essais ont satisfait au critère d’arrivée indiqué, contre 65,3 % pour un entraînement effectué uniquement dans les environnements de NVIDIA.
Il fallait arriver à moins de 0,5 m de la cible, à une vitesse linéaire inférieure à 0,1 m/s et à une vitesse angulaire inférieure à 0,1 rad/s, sans collision ni dépassement du délai imparti.
La recherche
Un système de navigation robotique entraîné en simulation peut-il rester fiable dans une installation industrielle réelle, où les images, la physique et le bruit des capteurs diffèrent ?
L’article étudie cette question avec un robot Idealworks et examine si les données issues d’une copie numérique de l’installation et les variations visuelles générées par Cosmos peuvent aider.
L’article étend COMPASS aux robots Idealworks et examine si des données de simulation propres à l’installation, enrichies de variantes visuelles Cosmos, améliorent la navigation dans le monde réel.
L’étude examine comment l’entraînement en simulation se transpose à la navigation d’un iw.hub physique. Dans quatre scénarios, les données propres à l’installation et les variantes visuelles de Cosmos ont donné 91,7 % de réussite.
L’entraînement réalisé uniquement dans les environnements de NVIDIA donnait 65,3 %. La réussite exigeait d’atteindre la cible à une distance de 0,5 m ou moins.
La vitesse linéaire devait rester inférieure à 0,1 m/s, et la vitesse angulaire devait rester inférieure à 0,1 rad/s. La condition excluait aussi toute collision ou tout dépassement du temps imparti. Ces résultats concernent les politiques et les scénarios testés. Ils n’établissent pas une sécurité ou des performances générales sur tous les parcours industriels.
Les essais physiques portent sur un seul type de robot dans un seul centre de R&D. La comparaison entre les versions d’entraînement modifie à la fois les données et les politiques de base et résiduelles obtenues.
Les résultats n’établissent pas les performances sur d’autres robots ou dans d’autres installations.
Analyse
Détails
- Auteurs de l’article original
- Charbel Abi Hana, Rayan Zaitouni, Kameel Amareen, Mohamad Mostafa, Hasan Sayour
- Soumis à arXiv
- Licence
- CC BY 4.0