学习展开布料：将世界模型扩展到可变形物体操控

学习操控布料是机器人研究的典范问题，也是从助理护理到服务行业等众多应用领域的迫切问题。可变形物体的复杂物理使此问题变得 nontrivial。为了创建能够处理各种形状、尺寸、折叠和皱折图案，除了通常的外观变化问题之外，考虑模型结构及其对一般化性能的影响变得重要。在本文中，我们提出了一种方法，用于空中布料操控，该方法使用一种最近提出的强化学习架构DreamerV2的变体。我们的实现修改了该架构以利用表面法向量输入，除了修改回放缓冲区和数据增强程序。综合来看，这些修改代表了对机器人使用的世界模型的增强，解决了机器人操控对象的物理复杂性。我们在仿真环境中进行评估，并在物理机器人 setup中进行零样本部署，执行各种不同布料类型的空中展开，展示了我们提议的架构的一般化优势。