以人类方式操作：通过对抗运动先验学习任务导向操作技能
机器人学
2025-10-29 v1
摘要
近年来，开发能够与人类更自然和直观交互的机器人和自主系统日益受到关注。为实现这一目标的一个关键挑战是使这些系统能够以类似人类的方式操作物体和工具。本文提出一种新方法，通过对抗运动先验学习类人操作技能，命名为HMAMP。该方法利用对抗网络建模工具和物体操作的复杂动态以及操作任务的目标。判别器使用由代理执行的真实数据和仿真数据组合训练，旨在训练生成符合人类运动统计特性的真实运动轨迹的策略。我们在一个具有挑战性的操作任务：锤子击击上进行评估，结果表明HMAMP能够学习超过当前基线方法的类人操作技能。此外，我们通过执行实际机器人臂击击任务，展示了HMAMP在实际应用中的潜力。总体而言，HMAMP代表了一种重要进步，使机器人和自主系统能够以类似人类的方式学习操作工具和物体，从而实现更自然和直观的人机交互。
引用
@article{arxiv.2510.24257,
title = {Manipulate as Human: Learning Task-oriented Manipulation Skills by Adversarial Motion Priors},
author = {Ziqi Ma and Changda Tian and Yue Gao},
journal= {arXiv preprint arXiv:2510.24257},
year = {2025}
}