来自原始点云的 23 自由度抓取策略
机器人学
2024-11-22 v1
摘要
协调机器人高自由度（DoF）运动以抓取物体涉及诸多挑战。本文提出了一种新颖的模仿学习方法，用于学习从单个固定摄像机提供的部分点云直接预测 23 自由度抓取轨迹的策略。核心在于一种二阶几何驱动的行为动力学模型。该 Neural Geometric Fabric（NGF）策略直接在关节空间预测加速度。我们证明该策略能够对新物体进行泛化，并将该策略与几何 fabric 运动规划器组合形成循环以生成稳定抓取轨迹。我们在三个不同物体上评估该方法，比较不同策略结构，并进行消融研究以理解对象编码对策略学习的重要性。
引用
@article{arxiv.2411.14400,
title = {23 DoF Grasping Policies from a Raw Point Cloud},
author = {Martin Matak and Karl Van Wyk and Tucker Hermans},
journal= {arXiv preprint arXiv:2411.14400},
year = {2024}
}
备注
IEEE International Conference on Robotics and Automation (ICRA) Workshop on Geometric Representations 2023