ExoStart: 基于传感器化外骨骼示教的灵巧操作高效学习
机器人学
2025-09-25 v3
摘要
近期遥操作系统的发展使机器人操纵器的高质量数据采集成为可能，并在大规模学习操作方面取得了令人瞩目的成果。这一进展表明，将这些能力扩展到机器人手可以解锁更广泛的操作技能，特别是如果我们能实现人类手部所展现的同等灵巧度。然而，遥操作机器人手远未解决，因为机器人手的高自由度以及接触丰富环境中发生的复杂动力学带来了重大挑战。在这项工作中，我们提出了ExoStart，一个通用且可扩展的学习框架，利用人类灵巧度来改进机器人手控制。具体而言，我们通过使用传感器化的低成本可穿戴外骨骼收集直接示教（无需机器人在回路中），捕捉人类用手展示的丰富行为。我们还提出了一种基于模拟的动力学滤波器，从收集的示教中生成动力学可行的轨迹，并使用生成的轨迹来引导一种仅依赖简单稀疏奖励的自动课程强化学习方法。ExoStart流水线具有通用性，产生的策略能够零样本迁移到真实机器人。我们的结果表明，ExoStart能够生成灵巧的真实世界手部技能，在广泛复杂任务（如打开AirPods盒或在锁中插入并转动钥匙）上实现了超过50%的成功率。更多细节和视频请访问 https://sites.google.com/view/exostart。
引用
@article{arxiv.2506.11775,
title = {ExoStart: Efficient learning for dexterous manipulation with sensorized exoskeleton demonstrations},
author = {Zilin Si and Jose Enrique Chen and M. Emre Karagozler and Antonia Bronars and Jonathan Hutchinson and Thomas Lampe and Nimrod Gileadi and Taylor Howell and Stefano Saliceti and Lukasz Barczyk and Ilan Olivarez Correa and Tom Erez and Mohit Shridhar and Murilo Fernandes Martins and Konstantinos Bousmalis and Nicolas Heess and Francesco Nori and Maria Bauza},
journal= {arXiv preprint arXiv:2506.11775},
year = {2025}
}