GenORM：基于参数感知策略的可泛化一次性绳索操控
机器学习
2025-01-28 v3 人工智能
机器人学
摘要
由于绳索在运动中可变形性固有的不确定性，以往的绳索操控方法常需数百次真实世界演示来为每根绳索训练操控策略，即便对于绳索目标到达这类简单任务亦如此，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 GenORM，一个使操控策略能以单次真实世界演示处理不同可变形绳索的框架。为此，我们通过将策略以可变形绳索参数为条件并加以多样化模拟可变形绳索训练来扩充策略，使其能依据不同绳索参数调整动作。推理时，给定新绳索，GenORM 通过最小化真实演示与模拟的点云网格密度差异来估计可变形绳索参数。借助可微物理模拟器，我们仅需单次真实世界演示。在模拟与真实绳索操控设置上的实证验证清晰表明，我们的方法能以单次演示操控不同绳索，并在两环境中显著优于基线（模拟中域内绳索提升 62%，分布外绳索提升 15%，真实世界提升 26%），展示了我们在一次性绳索操控中方法的有效性。
引用
@article{arxiv.2306.09872,
title = {GenORM: Generalizable One-shot Rope 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:2306.09872},
year = {2025}
}
备注
The extended version of this paper, GenDOM, was published in the 2024 IEEE International Conference on Robotics and Automation (ICRA 2024), arXiv:2309.09051