通过标准化学习高效机器人衣物操作
机器人学
2025-07-01 v1
摘要
衣物操作是机器人面临的重要挑战，由于衣物的复杂动力学和潜在的自遮挡问题。大多数现有高效衣物展开方法忽视了展开后衣物标准化在降低下游任务（如折叠、熨烫和包装）中的作用。本文提出了 APS-Net 方法，结合展开和标准化于统一框架。APS-Net 采用双臂多原语策略配合动态翻滚，快速展开撕裂的衣物并进行精确对齐的抓取与放置 (p and p)。衣物标准化在展开过程中的目的是不仅最大化表面覆盖，还要将衣物的形状和方向对齐到预定义要求。为引导有效的机器人学习，我们引入了一种新型分解奖励函数，用于标准化，包含衣物覆盖率 (Cov)、关键点距离 (KD) 和交并比 (IoU) 指标。此外，我们引入了空间动作掩码和行动优化模块，通过有效选择动作和操作点来提高展开效率。在仿真中，APS-Net 对长袖衣物的表现优于最新方法，覆盖率提高 3.9%，IoU 提高 5.2%，KD 降低 0.14（相对降低 7.09%）。实际折叠任务进一步表明，标准化简化了折叠过程。项目页面：https://hellohaia.github.io/APS/
引用
@article{arxiv.2506.22769,
title = {Learning Efficient Robotic Garment Manipulation with Standardization},
author = {Changshi Zhou and Feng Luan and Jiarui Hu and Shaoqiang Meng and Zhipeng Wang and Yanchao Dong and Yanmin Zhou and Bin He},
journal= {arXiv preprint arXiv:2506.22769},
year = {2025}
}