面向通用富接触操作的导纳视觉运动策略学习

在富接触环境中，接触力是机器人执行通用操作任务的重要模态，因为它提供了信息以弥补视觉和本体感觉数据在碰撞感知、高精度抓取和高效操作方面的不足。在本文中，我们提出了一个用于连续、通用、富接触操作的导纳视觉运动策略框架。在演示阶段，我们设计了一个低成本、用户友好且具有接触交互的遥操作系统，旨在收集柔顺的机器人演示并加速数据收集过程。在训练和推理阶段，我们提出了一个基于扩散的模型，从包含接触力、视觉和本体感觉的多模态观测中规划动作轨迹和期望接触力。我们利用导纳控制器进行柔顺动作执行。在五个具有挑战性的任务上与两种最先进的方法进行了比较评估，每个任务侧重于不同的动作原语，以展示我们框架的泛化能力。结果表明，我们的框架实现了最高的成功率，并且与其他方法相比，表现出更平滑、更高效的接触，完成每个任务所需的接触力平均减少了 48.8%，成功率平均提高了 15.3%。视频可在 https://ryanjiao.github.io/AdmitDiffPolicy/ 获取。