GenCHiP：面向高精度与富接触操作任务的机器人策略代码生成

大型语言模型（LLM）在生成机器人策略代码方面取得了成功，但迄今为止，这些结果仅限于不需要精确运动的高层级任务。对于需要对接触力进行推理并在严格的成功容差内工作的任务，此类方法的效果如何仍是一个开放性问题。我们发现，在合适的动作空间下，LLM 能够成功地为各种富接触和高精度操作任务生成策略，即使在感知误差或抓取不准确等噪声条件下也是如此。具体而言，我们重新参数化了动作空间，使其包含对达到目标位姿所涉及的交互力和刚度的约束的顺应性。我们在衍生自 Functional Manipulation Benchmark (FMB) 和 NIST Task Board Benchmarks 的子任务上验证了这种方法。与非顺应性动作空间相比，将此动作空间与估计物体位姿的方法一起暴露给 LLM，可将策略生成性能提高 3 倍和 4 倍以上。