Manipulación Sim2Real sobre Objetos Desconocidos con Aprendizaje por Refuerzo Basado en Tacto

El uso de sensores táctiles para la manipulación sigue siendo uno de los problemas más desafiantes en robótica. En el centro de estos desafíos está la generalización: ¿Cómo podemos entrenar una política basada en tacto que pueda manipular objetos no vistos y diversos? En este artículo, proponemos realizar Aprendizaje por Refuerzo utilizando únicamente entradas sensoriales táctiles visuales sobre objetos diversos en un simulador físico. Al entrenar con objetos variados en simulación, se permite que la política generalice a objetos no vistos. Sin embargo, aprovechar la simulación introduce el problema de transferencia Sim2Real. Para mitigar este problema, estudiamos diferentes representaciones táctiles y evaluamos cómo cada una afecta los resultados de la manipulación en robots reales después de la transferencia. Realizamos nuestros experimentos con objetos diversos en el mundo real y mostramos mejoras significativas sobre las líneas base para la tarea de pivoteo. Nuestra página del proyecto está disponible en https://tactilerl.github.io/.