从交互式示范中学习以非零速度进行抓取

本工作研究如何基于示范与修正从人类处学习连续的抓取与放置（P&P）运动这一复杂任务。由于任务复杂，这些示范往往缓慢且存在轻微缺陷，尤其在需要同时示范多个方面（即末端执行器运动、朝向与夹爪宽度）时。我们不为训练人员以提供更好示范为目标，而是让非专业用户能够通过遥操作修正反馈交互式修改其初始示范的动态特性。这进而使他们能够传授超出自身身体能力范围的运动。最终目标是获得更快且可靠的任务执行。所提框架基于当前笛卡尔位置利用高斯过程（GPs）学习期望的运动动态，从而得到一种反应式、时不变策略。使用 GPs 还允许通过认知不确定性最小化实现在线交互式修正与主动抗扰。该框架在 Franka-Emika Panda 上进行了实验评估。测试旨在确定 i) 框架成功学习快速抓取与放置物体的有效性，ii) 针对环境变化（即不同物体尺寸与质量）的策略修正便捷性，以及 iii) 框架对非专业用户的可用性。