DexTransfer：以最少人类示范实现真实世界多指灵巧抓取
计算机视觉与模式识别
2022-09-29 v1
摘要
教导多指灵巧机器人抓取真实世界中的物体因其高维状态与动作空间而一直是个挑战性问题。我们提出了一种机器人学习系统，其能利用少量人类示范，并在给定部分遮挡观测的情况下学习抓取未见物体位姿。我们的系统利用小型动作捕捉数据集，并为多指机器人夹爪生成具有多样性与成功轨迹的大型数据集。通过加入域随机化，我们展示了我们的数据集提供了可迁移至策略学习器的鲁棒抓取轨迹。我们训练了一个灵巧抓取策略，以物体的点云作为输入并预测连续动作以从不同初始机器人状态抓取物体。我们在仿真中的22自由度浮动Allegro Hand和真实世界中带KUKA臂的23自由度Allegro机器人手上评估了我们系统的有效性。从我们的数据集学习到的策略在仿真与真实世界中对未见物体位姿均能良好泛化。
引用
@article{arxiv.2209.14284,
title = {DexTransfer: Real World Multi-fingered Dexterous Grasping with Minimal Human Demonstrations},
author = {Zoey Qiuyu Chen and Karl Van Wyk and Yu-Wei Chao and Wei Yang and Arsalan Mousavian and Abhishek Gupta and Dieter Fox},
journal= {arXiv preprint arXiv:2209.14284},
year = {2022}
}