使用可微分重置模块的闭环面团操作学习
机器人学
2022-07-12 v1
摘要
可变形物体操作在日常生活如烹饪和叠衣服中有许多应用。操作诸如面团之类的弹塑性物体尤其具有挑战性，因为面团缺乏紧凑的状态表示且需要丰富的接触交互。我们考虑从 RGB-D 图像将一块面团压扁成特定形状的任务。虽然该任务对人类来说看似直观，但对于诸如朴素轨迹优化等常见方法存在局部最优。我们提出了一种新颖的轨迹优化器，它通过可微分的“重置”模块进行优化，将单阶段、固定初始化的轨迹转化为多阶段、多初始化的轨迹，其中所有阶段联合优化。然后我们在轨迹优化器生成的演示上训练闭环策略。我们的策略接收部分点云作为输入，便于从仿真迁移到真实世界。我们展示了我们的策略能执行真实世界面团操作，将面团球压扁成目标形状。
引用
@article{arxiv.2207.04638,
title = {Learning Closed-loop Dough Manipulation Using a Differentiable Reset Module},
author = {Carl Qi and Xingyu Lin and David Held},
journal= {arXiv preprint arXiv:2207.04638},
year = {2022}
}