从混沌中领悟规则：用于拼图装配的推理、规划与交互学习

拼图装配是人类智慧与操作灵巧的艺术，对机器人来说是新的挑战，揭示了当前最先进技术的局限性。本文描述了我们的初始探索，并突出了推理、规划和操作在机器人拼图装配中的关键问题。我们提出了MRChaos（Master Rules from Chaos），即一种健壮且通用的解决方案，用于学习装配策略，可推广至 novel objects。与基于先前几何和运动学模型的常规方法不同，MRChaos 通过在没有装配目标对象的先验经验的情况下，在模拟环境中进行自我探索来学习随机生成对象的装配。奖励信号来自视觉观察变化，无需手动设计模型或注释。MRChaos 能在仅凭剪影提示的情况下，对各种从未在训练中遇到的 novel tangram objects 保持稳健性。我们展示了MRChaos 在更广泛应用中的潜力，如刀具组合。该工作表明，通过在更简单领域中学习，可实现对机器人装配的根本性泛化。