找水果：基于零样本 Sim2Real 的遮挡感知植物操控强化学习
机器人学
2026-02-24 v3 人工智能
摘要
在野外实现自主采摘面临复杂的操控问题。在大多数情况下，自动系统需要处理显著的遮挡，并在存在大量结构不确定性的情况下进行交互（每株植物都不同）。感知和建模不确定性使得设计针对采摘可靠操控器的设计具有挑战性，导致部署时性能不佳。我们提出了一种针对遮挡感知植物操控的 Sim2Real 强化学习框架，其中在仿真环境中学习策略以重新定位茎和叶子，以揭示目标水果。在我们提出的方法中，我们将高层运动学规划与低层柔顺控制分离，简化了 Sim2Real 迁移。这种分解允许所学策略在不同刚度和形态的植物间具有广泛的泛化能力。在多个真实植物 setup 的实验中，我们的系统实现了最高 86.7% 的水果暴露成功率，展示了对遮挡变化和结构不确定性的鲁棒性。
引用
@article{arxiv.2505.16547,
title = {Find the Fruit: Zero-Shot Sim2Real RL for Occlusion-Aware Plant Manipulation},
author = {Nitesh Subedi and Hsin-Jung Yang and Devesh K. Jha and Soumik Sarkar},
journal= {arXiv preprint arXiv:2505.16547},
year = {2026}
}