学习以多样抓握风格使用筷子
图形学
2022-08-02 v3 机器人学
摘要
学习灵巧操作技能是计算机图形学与机器人领域的长期挑战，尤其当任务涉及手、工具与物体之间复杂而精细的交互时。本文关注基于筷子的物体重定位任务，该类任务常见却要求很高。成功筷子技能的关键在于稳定抓握筷子，同时支持精细操作。我们通过贝叶斯优化（BO）与深度强化学习（DRL）自动发现物理有效的筷子持握姿态，其适用于多种抓握风格与手部形态，且无需示例数据。以所发现的抓握姿态与待移动目标物体为输入，我们构建基于物理的手部控制器，分两阶段完成重定位任务。首先，在运动规划阶段为筷子与手合成运动学轨迹。我们运动规划器的关键组件包括：用于选择合适筷子配置以抓取物体的抓取模型，以及用于生成无碰撞筷子轨迹的轨迹优化模块。随后，我们再次通过 DRL 训练基于物理的手部控制器，以跟踪运动规划器生成的期望运动学轨迹。我们通过为多种手部形态以多样抓握风格与持握位置重定位各种形状与大小的物体，展示了框架的能力。与试图在未采用抓握姿态优化模块和/或未采用运动学运动规划器的情况下学习基于筷子的技能的朴素系统相比，我们的系统实现了更快的学习速度与更好的控制鲁棒性。
引用
@article{arxiv.2205.14313,
title = {Learning to Use Chopsticks in Diverse Gripping Styles},
author = {Zeshi Yang and KangKang Yin and Libin Liu},
journal= {arXiv preprint arXiv:2205.14313},
year = {2022}
}