基于物理信息的演示引导式细粒度材料操纵学习框架

由于颗粒材料的复杂物理特性，关于机器人学习操纵此类材料的研究主要要么不考虑其物理特性，要么使用替代模型来近似其物理特性。基于通过精确建模获得的物理信息来学习操纵颗粒材料的方法尚未得到解决。本文提出通过构建用于颗粒材料的可微分物理仿真器（使用 Taichi 编程语言实现），并开发由在非颗粒材料上通过梯度优化生成的演示加速的学习框架来解决此挑战，从而消除了以往方法昂贵的数据收集和模型训练。实验结果表明，我们的方法具有灵活的设计，能够训练出在模拟和真实环境中均能执行运输颗粒材料任务的鲁棒策略，这超越了标准强化学习、模仿学习以及先前任务特定颗粒操纵方法的能力。