用于动态操作的潜变量自适应规划器
机器人学
2025-11-25 v2 人工智能
机器学习
摘要
我们提出了潜变量自适应规划器（LAP），这是一种用于动态非抓取操作（例如接住盒子）的轨迹级潜变量策略，它将规划表述为低维潜空间中的推理，并能从人类演示视频中有效学习。在执行过程中，LAP通过维持对潜变量规划的后验分布，并在新观测数据到达时执行变分重规划，从而实现实时自适应。为了弥合人类与机器人之间的具身差距，我们引入了一种基于模型的比例映射，该映射能够从人类演示中重新生成精确的运动学-动力学关节状态和物体位置。通过具有不同物体属性的挑战性接盒子实验，LAP通过学习类人的柔顺运动和自适应行为，展示了卓越的成功率、轨迹平滑度和能量效率。总体而言，LAP实现了具有实时自适应能力的动态操作，并能够使用相同的人类演示视频成功迁移到异构机器人平台。
引用
@article{arxiv.2505.03077,
title = {Latent Adaptive Planner for Dynamic Manipulation},
author = {Donghun Noh and Deqian Kong and Minglu Zhao and Andrew Lizarraga and Jianwen Xie and Ying Nian Wu and Dennis Hong},
journal= {arXiv preprint arXiv:2505.03077},
year = {2025}
}