AsymDex：面向基于强化学习的双手灵巧操作的非对称性与相对坐标
机器人学
2025-07-01 v3
摘要
我们提出了非对称灵巧（AsymDex），一个新颖且简单的强化学习（RL）框架，无需依赖演示即可高效学习多指手的一大类双手技能。两个关键见解使 AsymDex 能够降低观测和动作空间维度并提高样本效率。首先，真正的左右手同利在人类中很罕见，我们大多数人表现出强烈的“利手倾向”。受此观察启发，我们为每只手分配互补的角色：辅助手重新定位和调整一个物体的姿态，而主导手执行复杂操作以实现期望的结果（例如，拧开瓶盖或倒液体）。其次，控制双手之间的相对运动对于双手的协调和同步至关重要。因此，我们设计了相对观测和动作空间，并利用相对位姿跟踪控制器。此外，我们提出了一种两阶段分解方法，其中 AsymDex 可以很容易地与抓取学习的最新进展相结合，以促进使用双手获取和操作物体。现有的基于 RL 的多指手双手灵巧操作方法要么样本效率低，要么针对特定任务定制，与此不同，AsymDex 能够高效学习表现出非对称性的各种双手技能。在七个非对称双手灵巧操作任务（四个仿真任务和三个真实世界任务）上的详细实验表明，AsymDex 始终优于挑战我们设计选择的强基线。项目网站位于 https://sites.google.com/view/asymdex-2025/。
引用
@article{arxiv.2411.13020,
title = {AsymDex: Asymmetry and Relative Coordinates for RL-based Bimanual Dexterity},
author = {Zhaodong Yang and Yunhai Han and Ai-Ping Hu and Harish Ravichandar},
journal= {arXiv preprint arXiv:2411.13020},
year = {2025}
}
备注
WCBM @ RSS 2025 Spotlight Presentation