学习灵巧物体接力
机器人学
2025-06-23 v1 人工智能
摘要
物体接力是人类日常交互中重要的技能。为在类似住宅环境的协作场景中部署机器人，能够安全且高效地接收和递送物体成为关键技能。本文演示了利用强化学习（RL）实现两只多指手臂之间进行灵巧物体接力。该任务的关键在于采用基于双四元数（dual quaternions）的新型奖励函数，以最小化旋转距离，这一方法优于欧拉角和旋转矩阵等其他旋转表示。通过实验评估了训练策略的鲁棒性，测试对象包括未包含在训练分布内的物体，以及接力过程中出现的扰动。结果表明，训练得到的策略成功实现了该任务，在最佳情况下经100次实验后达到94%的总体成功率，显示示了本策略对新物体的鲁棒性。此外，当另一机器人在接力过程中移动时，最佳情况下的性能仅下降13.8%，证明了本策略对此类扰动也具备鲁棒性，而这在实际物体接力中常见。
引用
@article{arxiv.2506.16822,
title = {Learning Dexterous Object Handover},
author = {Daniel Frau-Alfaro and Julio Castaño-Amoros and Santiago Puente and Pablo Gil and Roberto Calandra},
journal= {arXiv preprint arXiv:2506.16822},
year = {2025}
}
备注
Paper accepted for presentation in RoMan 2025