通过强化学习评估网络构筑指尖抓取与手中操作
机器人学
2025-09-16 v1 人工智能
摘要
手中操作和抓取是机器人学中基本且常被单独处理的任务。对于推导手中操作策略，强化学习最近显示出巨大的成功。然而，所衍生的控制器尚未在实际场景中实用，因为它们通常需要人工操作员将物体置于合适的初始（抓取）状态。寻找稳定抓取且也促进所需手中操作目标的抓取，是开放问题。本文提出一种方法，通过利用针对手中操作训练的强化学习智能体的批评网络来评分和选择初始抓取。我们的实验表明，这种方法在不 requiring additional training 的情况下显著提高了手中操作的成功率。我们还展示了一个在真实系统上实现的完整抓取操作管道，使能够自主抓取和重新定位乃至笨重物体。
引用
@article{arxiv.2505.13253,
title = {Composing Dextrous Grasping and In-hand Manipulation via Scoring with a Reinforcement Learning Critic},
author = {Lennart Röstel and Dominik Winkelbauer and Johannes Pitz and Leon Sievers and Berthold Bäuml},
journal= {arXiv preprint arXiv:2505.13253},
year = {2025}
}