使用贪心形状课程学习迁移手中操控

由于复杂的接触动力学、非重复的指部步态，以及需要间接控制未驱动物体，手中物体操控难以仿真。进一步将成功的操控技能适配到具有不同形状和物理属性的新物体上是一个同样具有挑战性的问题。在本工作中，我们展示了通过精心设计的模仿学习问题，可从高质量动作捕捉示例中经深度强化学习学到动态仿真中简单物体的自然且鲁棒的手中操控。我们将我们的方法应用于多样物体形状与运动下的单手及双手灵巧操控。随后我们展示通过对源物体与目标物体之间形变得到的中间形状进行课程学习，将示例运动进一步适配到更复杂的形状。尽管朴素的渐进形变课程常告失败，我们提出了一种简单的贪心课程搜索算法，可成功应用于一系列物体，如茶壶、兔子、瓶子、火车和大象。