An Imitation Learning Framework for Robotic Writing Task via Diffusion Policy

본 논문에서는 로봇 매니퓰레이터의 contact-rich task 수행을 위해 Diffusion Policy 기반 모방 학습 프레임워크를 적용하고, 이를 robotic writing task에 적용한다. Contact-rich task는 환경 또는 물체와의 지속적인 접촉을 요구하며, 로봇 엔드이펙터의 위치와 접촉 힘을 동시에 고려한 정밀한 제어가 요구되는 조작 작업이다. 이와 같은 경로 계획 문제를 해석적 접근법이나 데이터 기반 방법론으로 해결하고자 하는 연구들이 제안됐으나, 정확한 접촉 모델링 또는 광범위한 탐색을 요구하여 실제 로봇 시스템에 적용하는 데 한계를 가진다. 이를 해결하기 위해, 전문가 시연 데이터를 기반으로 행동 정책을 학습하는 모방학습을 적용하고, 위치·힘이 결합된 멀티 모달(multimodal) 행동 분포를 모델링하기 위해 Diffusion Policy를 행동 정책으로 활용한다. 먼저, robotic writing task를 위한 모방학습 문제에 대해 정의한다. 이후, Diffusion Policy가 생성한 위치·힘 경로를 추종하기 위한 제어 기법인 hybrid position-force control을 적용하여, 주어진 위치·힘 경로에 따라 로봇을 제어한다. 최종적으로, 실제 로봇 매니퓰레이터를 이용한 robotic writing task 실험을 통해 제안하는 프레임워크를 검증한다. 실험 결과, 목표 경로 추종 시 발생하는 위치 오차 범위가 X축: –0.0058m∼+0.0005m, Y축: –0.0042m∼+0.0021m 내로 안정적으로 유지되었다.