Flipbot：通过由粗到细的外感知-本体感知探索学习连续翻纸
机器人学
2023-04-06 v1
摘要
本文解决类纸可变形物体的分离与抓取任务。我们将此类任务称为翻纸。与操控缺乏抗压强度的可变形物体（如衬衫和绳索）不同，类纸可变形物体物理属性的微小变化会显著影响结果，使操控极具挑战性。在此，我们提出 Flipbot，一种用于翻动类纸可变形物体的新颖解决方案。Flipbot 使机器人能够通过整合对操控可变形物体不可或缺的外感知和本体感知来捕获物体物理属性。此外，通过结合提出的由粗到细探索过程，系统能够借助本体感知和外感知输入学习有效的翻纸最优控制参数。我们在配备软夹爪的真实机器人上部署该方法并以自监督方式学习。所得策略证明了 Flipbot 在各种设置下对翻纸任务的有效性，超越了先前研究的范围，包括但不限于翻动整本书的页面和清空盒中的纸张。
引用
@article{arxiv.2304.02253,
title = {Flipbot: Learning Continuous Paper Flipping via Coarse-to-Fine Exteroceptive-Proprioceptive Exploration},
author = {Chao Zhao and Chunli Jiang and Junhao Cai and Michael Yu Wang and Hongyu Yu and Qifeng Chen},
journal= {arXiv preprint arXiv:2304.02253},
year = {2023}
}
备注
Accepted to International Conference on Robotics and Automation (ICRA) 2023