利用少量真实演示中的触觉感知学习精细捏取抓取技能
机器人学
2024-03-19 v2
摘要
用于机器人灵巧操作的模仿学习，尤其在真实机器人设置下，通常需要大量演示。本文提出一种高效的数据高效演示学习框架，其利用丰富的触觉感知数据并实现精细双手捏取抓取。具体而言，我们采用卷积自编码器网络，可有效提取并编码高维触觉信息。进一步，我们开发了一种实现高效多传感器融合以进行模仿学习的框架，使机器人能从演示中学习具有接触感知的传感运动技能。我们针对不使用编码触觉特征的框架开展的对比研究凸显了引入丰富接触信息的有效性，其实现了具备主动接触搜索的灵巧双手抓取。大量实验证明了直接从少样本演示中学得的精细捏取策略的鲁棒性，包括以不同初始位姿抓取同一物体、泛化至十个未见新物体、抵御外部推力的稳健牢固抓取，以及在极大扰动下物体掉落时的接触感知与反应性重新抓取。此外，采用显著图分析方法刻画捏取过程中各模态的权重分布，证实了我们的框架在利用多模态信息上的有效性。
引用
@article{arxiv.2307.04619,
title = {Learning Fine Pinch-Grasp Skills using Tactile Sensing from A Few Real-world Demonstrations},
author = {Xiaofeng Mao and Yucheng Xu and Ruoshi Wen and Mohammadreza Kasaei and Wanming Yu and Efi Psomopoulou and Nathan F. Lepora and Zhibin Li},
journal= {arXiv preprint arXiv:2307.04619},
year = {2024}
}