GenDOM：基于参数感知策略的可泛化一次性可变形物体操控
机器人学
2025-01-28 v4 人工智能
摘要
由于运动过程中可变形性固有的不确定性，以往可变形物体（如绳与布）操控方法常需数百次真实演示来为每个物体训练操控策略，这阻碍了其在不断变化世界中的应用。为解决此问题，我们提出 GenDOM，一种仅需单次真实演示即可让操控策略处理不同可变形物体的框架。为此，我们以可变形物体参数为条件增强策略，并用多样化的模拟可变形物体训练，使策略能依据不同物体参数调整动作。推理时，给定新物体，GenDOM 可通过在可微物理模拟器中最小化真实演示与模拟的点云网格密度差异，仅凭单次真实演示估计可变形物体参数。在模拟与真实物体操控装置上的实证验证清晰表明，我们的方法可用单次演示操控不同物体，并在两种环境中显著优于基线（模拟中域内绳提升 62%、分布外绳提升 15%，真实世界中绳提升 26%、布提升 50%），展示了我们在一次性可变形物体操控中的有效性。
引用
@article{arxiv.2309.09051,
title = {GenDOM: Generalizable One-shot Deformable Object Manipulation with Parameter-Aware Policy},
author = {So Kuroki and Jiaxian Guo and Tatsuya Matsushima and Takuya Okubo and Masato Kobayashi and Yuya Ikeda and Ryosuke Takanami and Paul Yoo and Yutaka Matsuo and Yusuke Iwasawa},
journal= {arXiv preprint arXiv:2309.09051},
year = {2025}
}
备注
Published in the 2024 IEEE International Conference on Robotics and Automation (ICRA 2024). arXiv admin note: substantial text overlap with arXiv:2306.09872