dGrasp：基于受监督优化斜率的NeRF信息隐式抓取策略
机器人学
2024-10-25 v2
摘要
我们提出了dGrasp，这是一种具有增强优化景观的隐式抓取策略。该景观由NeRF信息抓取值函数定义。代表该函数的神经网络是在模拟抓取演示中训练的。在训练过程中，我们使用辅助损失引导不仅调整该网络的权重，还调整优化景观斜率的更新方式。该损失计算于演示抓取轨迹及其梯度上。通过二阶优化，我们将轨迹中的有用信息纳入，并促进隐式策略的优化过程。实验表明，采用该辅助损失可提高策略在仿真环境中的性能以及其零样实世界迁移能力。
引用
@article{arxiv.2406.09939,
title = {dGrasp: NeRF-Informed Implicit Grasp Policies with Supervised Optimization Slopes},
author = {Gergely Sóti and Xi Huang and Christian Wurll and Björn Hein},
journal= {arXiv preprint arXiv:2406.09939},
year = {2024}
}