基于力矩控制手的纯触觉手内操作学习
机器人学
2023-01-10 v2
摘要
我们展示了一项纯触觉的灵巧手内操作任务，该任务涉及持续重抓取并要求永久力闭合，可以从零开始学习并在力矩控制的人形机器人手上鲁棒执行。任务是旋转一个立方体而不使其掉落，但与 OpenAI 开创性的立方体操作任务不同，手掌朝下，不使用摄像头，仅使用手的位置和力矩传感。尽管该任务看似简单，但它首次结合了执行和学习中的所有挑战，这些挑战对于在实际应用中使用手内操作至关重要。我们在精确建模和辨识的刚体仿真中通过离策略深度强化学习进行高效训练，并通过领域自适应课程显著加速，训练时间仅为适中的 600 CPU 小时。所得策略被鲁棒地迁移到真实的人形 DLR Hand-II 上，例如，在单次运行中实现超过 46 次完整的 2π 立方体旋转，并允许诸如不同立方体尺寸、手部方向或拉扯手指等干扰。
引用
@article{arxiv.2204.03698,
title = {Learning Purely Tactile In-Hand Manipulation with a Torque-Controlled Hand},
author = {Leon Sievers and Johannes Pitz and Berthold Bäuml},
journal= {arXiv preprint arXiv:2204.03698},
year = {2023}
}