通过示教采样进行抓取学习

机器人抓取传统上依赖物体特征或形状信息来学习新的抓取或应用已学过的抓取。然而，我们认为这种对物体几何信息的强依赖使得在杂乱环境和高不确定性条件下，当合理的物体模型不可用时，抓取和抓取学习成为一项困难的任务。正因如此，本文研究了无模型随机优化在抓取学习中的应用。为此，我们提出的学习方法仅需少量用户示教的抓取以及物体抓取可行度密度的粗略草图作为先验，但除了物体位姿外不需要任何物体几何知识。实验结果表明，我们提出的学习方法具有良好的适用性。