使用灵巧手学习在密集环境中分离物体
机器人学
2024-10-16 v2
摘要
机器人物体分离，即机器人必须在杂乱环境中隔离、抓取和取出目标物体，是机器人操作中的一个基本挑战。这项任务困难重重，原因在于遮挡以及其他物体如何成为操作的障碍。机器人在尝试分离目标时，还必须推理物体间相互作用的影响。先前的工作探索了在有足够自由空间进行相对较长推动以分离物体的场景下的物体分离，这与空间狭小且物体之间几乎没有间隔的情况形成对比。在本文中，我们提出了密集环境中物体分离（SOPE）框架。我们提出了一种新颖的方法，该方法涉及基于位移的状态表示和多阶段强化学习过程，从而能够使用 16 自由度的 Allegro 手进行分离。我们在 Isaac Gym 仿真中进行了广泛的实验，展示了我们的系统在杂乱环境中分离目标物体的能力。我们将仿真中训练的策略直接迁移到现实世界。在超过 250 次物理机器人操作试验中，我们的方法获得了 79.2% 的成功率，优于其他替代的学习和非学习方法。
引用
@article{arxiv.2409.00643,
title = {Learning to Singulate Objects in Packed Environments using a Dexterous Hand},
author = {Hao Jiang and Yuhai Wang and Hanyang Zhou and Daniel Seita},
journal= {arXiv preprint arXiv:2409.00643},
year = {2024}
}