DextrAH-G：基于几何纤维的像素到动作指尖臂手抓取
机器人学
2024-10-16 v3
摘要
在机器人学中实现快速、安全且稳健的多自由度抓取是一项关键挑战，这对于工业应用至关重要。然而，现有方法在速度、灵活性和通用性方面存在严重限制，以及硬件安全保证有限或缺失。在本工作中，我们引入DextrAH-G，这是一种基于深度的指尖臂手抓取策略，完全在仿真环境中训练，结合了强化学习、几何纤维和教师-学生蒸馏。我们解决了关节-手臂策略学习中的关键挑战，包括高维观察和动作空间、仿真到现实的差距、碰撞规避以及硬件约束。DextrAH-G使23电动机的臂-手机器人能够安全、连续且高速地抓取和运输多种物体，采用多模态输入包括深度图像，实现对物体几何形状的泛化。视频请参见 https://sites.google.com/view/dextrah-g。
引用
@article{arxiv.2407.02274,
title = {DextrAH-G: Pixels-to-Action Dexterous Arm-Hand Grasping with Geometric Fabrics},
author = {Tyler Ga Wei Lum and Martin Matak and Viktor Makoviychuk and Ankur Handa and Arthur Allshire and Tucker Hermans and Nathan D. Ratliff and Karl Van Wyk},
journal= {arXiv preprint arXiv:2407.02274},
year = {2024}
}