DDBot：用于未知颗粒材料的可微分物理驱动挖掘机器人

自动化处理颗粒材料的操控任务面临诸多挑战，主要因复杂的接触动力学、不可预测的材料属性以及复杂的系统状态。现有方法往往难以在此类任务中实现高效与准确。为填补这一研究空白，本文聚焦于物理属性未知的小规模高精度颗粒材料挖掘任务。核心科学问题在于探讨如何将一阶梯度优化应用于复杂的可微分颗粒材料仿真，并克服其数值不稳定性。我们提出了名为可微分挖掘机器人（DDBot）的新型框架，用于操控颗粒材料，包括沙子和土壤。具体而言，DDBot配备了针对颗粒材料操控专门优化的可微分物理仿真器，利用GPU加速的并行计算与自动微分技术实现。DDBot能够对未知颗粒材料的可微分系统识别与高精度挖掘技能优化，这得益于其可微分的技能-动作映射、任务导向的示范方法、梯度裁剪以及基于线搜索的梯度下降。实验结果表明，DDBot能够在5至20分钟内高效地识别未知颗粒材料的动力学特性，并实现挖掘技能的高精度优化，实现零样本真实世界部署，凸显其实用性。与当前最先进的基线方法进行对比后，结果也确认了DDBot在此类挖掘任务中具备良好的鲁棒性与效率。