学习时间最优且速度可调的触觉灵巧手内操作
机器人学
2024-11-21 v1
摘要
多指手的灵巧手内操作是一个具有挑战性的问题，随着深度强化学习方法的出现，这一问题最近变得可行。虽然针对该任务的大多数贡献在鲁棒性和泛化性方面带来了改进，但本文探讨了手内操作执行速度这一关键性能指标。我们提出了强化学习策略，在具有持续力闭合且仅依赖触觉反馈（即使用手的力矩和位置传感器）的 SO(3) 目标条件重定向复杂设置下，其执行手内重定向的速度显著快于以往方法。此外，我们展示了如何训练策略使其速度可调，从而允许在部署期间设置被操作物体的平均朝向变化速度。为此，我们提出了适用于时间最优和速度可调手内操作的简洁强化学习目标，并基于仿真中的大量实验进行了分析。我们还将学习到的策略零样本迁移到真实的 DLR-Hand II 上，展示了广泛的目标速度以及在无视觉输入下最快的灵巧手内操作。
引用
@article{arxiv.2411.13148,
title = {Learning Time-Optimal and Speed-Adjustable Tactile In-Hand Manipulation},
author = {Johannes Pitz and Lennart Röstel and Leon Sievers and Berthold Bäuml},
journal= {arXiv preprint arXiv:2411.13148},
year = {2024}
}