通过形状空间配准学习用于分类抓取的姿态协同
机器人学
2018-10-19 v1
摘要
每当一个人遇到一个具有一定熟悉度的物体时，他/她立刻知道如何抓握它。根据物体几何形状对手部运动的适应之所以毫不费力，是因为积累了先前抓取类似物体的经验。在本文中，我们提出一种基于物体形状推断抓取配置的新方法。抓取知识通过遵循人类抓取分类法构建的机器人手协同空间来收集。该协同空间通过人类演示利用提供力反馈的外骨骼构建，其优势在于可评估抓取的质量。形状描述子通过编码典型类内变化的分类非刚性配准获得。该方法特别适用于仅可观测物体表面一部分的在线场景。该方法通过仿真与真实机器人实验演示，抓取机器人此前从未见过的物体。
引用
@article{arxiv.1810.07967,
title = {Learning Postural Synergies for Categorical Grasping through Shape Space Registration},
author = {Diego Rodriguez and Antonio Di Guardo and Antonio Frisoli and Sven Behnke},
journal= {arXiv preprint arXiv:1810.07967},
year = {2018}
}
备注
Accepted for 2018 IEEE-RAS 18th International Conference on Humanoid Robots (Humanoids)