基于视运动扩散的多指手灵巧手内操作学习
机器人学
2025-03-05 v1
摘要
我们提出了一种利用视运动扩散策略学习多指手灵巧手内操作的框架。通过利用针对四指 Allegro Hand 的快速且响应灵敏的遥操作装置，我们的系统能够执行复杂的手内操作任务，例如单手拧开瓶盖。我们使用增强现实（AR）界面收集高质量的专家演示，该界面追踪手部运动并应用逆运动学和运动重定向以实现精确控制。AR 头显提供实时可视化，同时手势控制简化了遥操作。为了增强策略学习，我们引入了一种基于 HDBSCAN 聚类和 Global-Local Outlier Score from Hierarchies（GLOSH）算法的演示异常值去除方法，有效过滤了可能降低性能的低质量演示。我们在真实世界环境中对所提方法进行了广泛评估，并在项目网站提供了所有实验视频：https://dex-manip.github.io/
引用
@article{arxiv.2503.02587,
title = {Learning Dexterous In-Hand Manipulation with Multifingered Hands via Visuomotor Diffusion},
author = {Piotr Koczy and Michael C. Welle and Danica Kragic},
journal= {arXiv preprint arXiv:2503.02587},
year = {2025}
}