适应新型握取姿势的技能：一种自监督方法
机器人学
2024-08-02 v1 机器学习
摘要
本文研究了将涉及握取物体（例如工具）的操纵轨迹从单一握取姿态适应到新握取姿态的问题。常见的解决方法是为每种可能的握取姿态明确定义新轨迹，但这在效率上非常低下。相反，我们提出一种直接适应此类轨迹的方法，仅需一段自监督数据收集期间，期间摄像机观察机器人端执行器以握 rigidly 固定物体的方式运动。重要的是，我们的方法无需握取物体的先验知识（如 3D CAD 模型），可使用 RGB 图像、深度图像或两者兼具，并且无需摄像机标定。通过一系列实际实验进行 1360 次评估，我们发现自监督 RGB 数据始终优于依赖深度图像的替代方案，包括多个最新姿态估计算法。相对于最佳基线方法，我们的方法在对日常任务中针对新握取姿态的操纵轨迹适应方面平均提高了 28.5% 的成功率。实验视频已在我们的网页上提供，网址为 https://www.robot-learning.uk/adapting-skills
引用
@article{arxiv.2408.00178,
title = {Adapting Skills to Novel Grasps: A Self-Supervised Approach},
author = {Georgios Papagiannis and Kamil Dreczkowski and Vitalis Vosylius and Edward Johns},
journal= {arXiv preprint arXiv:2408.00178},
year = {2024}
}
备注
Accepted at IROS 2024