通过夹持器-物体交互的动态表征学习高自由度到达与抓取
机器人学
2022-05-02 v1 计算机视觉与模式识别
图形学
摘要
我们通过深度强化学习联合规划抓取与运动，来解决高自由度到达与抓取问题。为解决学习灵巧抓取的高维复杂控制中的样本效率问题，我们提出了一种有效的抓取状态表征，用以刻画夹持器与目标物体之间的空间交互。为表示夹持器-物体交互，我们采用交互平分表面（IBS），它是两个邻近3D几何对象之间的维诺图，并已成功应用于刻画3D对象间的空间关系。我们发现IBS作为一种状态表征出奇地有效，因为它能借助相对于目标物体的空间关系很好地指导每根手指的细粒度控制。这一新颖的抓取表征，连同若干技术贡献（包括快速IBS近似、基于向量的新颖奖励以及有效的训练策略），促进了具有高样本效率、动态适应性和跨类别通用性的高自由度抓取强控制模型的学习。实验表明，它能为复杂形状生成高质量的灵巧抓取以及平滑的抓取运动。
引用
@article{arxiv.2204.13998,
title = {Learning High-DOF Reaching-and-Grasping via Dynamic Representation of Gripper-Object Interaction},
author = {Qijin She and Ruizhen Hu and Juzhan Xu and Min Liu and Kai Xu and Hui Huang},
journal= {arXiv preprint arXiv:2204.13998},
year = {2022}
}