DexSkin：用于学习富接触操作的具有高覆盖率且贴合曲面的机器人皮肤

人类皮肤提供丰富的触觉感知流，能够在较大且弯曲的区域上定位有意和无意的接触事件。为灵巧机器人操作系统复现这些触觉感知能力仍是一项长期存在的挑战。在本研究中，我们通过引入 DexSkin 向该目标迈出了一步。DexSkin 是一种柔软、贴合曲面的电容式电子皮肤，可实现灵敏、局部化且可校准的触觉感知，并能适应不同的几何形状。我们通过为一对平行夹爪指进行传感器化，提供了几乎覆盖整个指面的触觉覆盖范围，从而展示了其在学习下游机器人操作方面的有效性。我们在从示范学习框架中，实证评估了 DexSkin 在学习需要在整个指面进行感知覆盖的挑战性操作任务上的能力，例如在手中重新定向物体以及将弹性带缠绕在盒子上。随后我们表明，对于数据驱动方法至关重要的是，DexSkin 可以被校准以实现跨传感器实例的模型迁移，并展示了其在真实机器人上进行在线强化学习的适用性。我们的结果突显了 DexSkin 在学习真实世界富接触操作方面的适用性和实用性。请参阅我们的项目网页以获取视频和可视化内容：https://dex-skin.github.io/。