基于学习型元控制器的动态抓取

抓取运动物体是一项具有挑战性的任务，需要多个子模块，如物体位姿预测器、机械臂运动规划器等。每个子模块在其自身的一组元参数下运行。例如，位姿预测器应预测未来多远（即前瞻时间），以及运动规划器规划一次运动最多可花费的时间（即时间预算）。许多先前的工作为这些参数赋予固定值；然而，在单次动态抓取片段的不同时刻，最优值应根据当前场景而变化。在本工作中，我们提出一种带有元控制器的动态抓取流水线，该元控制器动态控制前瞻时间和时间预算。我们通过带稀疏奖励的强化学习来学习该元控制器。我们的实验表明，与最强基线相比，该元控制器提高了抓取成功率（在最杂乱环境中提高达 28%）并减少了抓取时间。我们的元控制器学会推理可达工作空间，并将预测位姿维持在可达区域内。此外，它为运动规划器分配小而充足的时间预算。我们的方法可处理不同物体、轨迹和障碍物。尽管仅在 3-6 个随机长方体障碍物下训练，我们的元控制器能很好地泛化到 7-9 个障碍物以及具有未知障碍物形状的更真实域外家庭场景。