DeRi-IGP：通过迭代抓取-拉动学习利用可变形物体操控刚体物体

通过绳索等可变形线状物体（DLO）对刚体物体进行机器人操控是一个新兴研究领域，适用于多种刚体物体运输任务。该领域现有的少数方法存在机器人动作与操作空间有限、泛化能力差以及基于模型的开发成本高昂等问题。为应对这些挑战，我们提出一种普遍适用的移动基元，称为迭代抓取-拉动（IGP）。我们还引入一种新颖的基于视觉的神经策略，学习对 IGP 基元进行参数化，以操控 DLO 并将其附着的刚体物体运输至目标位置。此外，我们的去中心化算法设计支持多智能体协作，利用 DLO 操控刚体物体。我们在仿真与真实环境中针对多种软-刚体操控任务评估了方法的有效性。在真实世界中，我们还通过人机协作将刚体物体运输至给定目标位置，展示了去中心化方法的有效性。我们还通过解决远距离物体获取任务，展示了 IGP 基元较大的操作空间。最后，我们将方法与若干基于模型和基于学习的基线方法进行比较。结果表明，我们的方法以显著优势超越其他方法。