基于深度强化学习与触觉感知的细长圆柱物体灵巧手中操作

连续的手中操作是一项重要的物理交互技能，其中触觉感知提供不可或缺的接触信息，以实现对小物体的灵巧操作。本工作提出了一种具有触觉反馈和仿真到现实迁移的端到端策略学习框架，实现了精细的手中操作，即通过灵巧机器手三个带有触觉传感器阵列的指尖的多点接触，控制细圆柱物体（如长棍）的姿态来跟踪各种连续轨迹。我们从高维触觉信息中估计棍与每个指尖的中心接触位置，并表明学习到的策略利用处理后的触觉反馈实现了有效的操作性能。策略在仿真中通过深度强化学习训练，并借助协调的模型校准与域随机化成功迁移到真实世界实验。我们通过对比研究评估了触觉信息的有效性，并通过真实世界实验验证了仿真到现实的性能。