MuST：面向长序列灵巧操作与技能进度的多头技能 Transformer

机器人拾取和放置任务需要灵巧的操作技能，例如重新排列物体以获得良好的抓取姿态，或放置和推动物品以实现紧密包装。由于所需动作的复杂性和可变性，这些任务对机器人来说极具挑战性。为解决学习和执行长序列任务的困难，我们提出了一种名为多头技能 Transformer（MuST）的新框架。该模型旨在学习并顺序链接多个运动基元（技能），使机器人能够有效地执行复杂的动作序列。MuST 为每个技能引入了一个“进度值”，用于指导机器人下一步执行哪个技能，并确保技能间的平滑过渡。此外，我们的模型能够扩展其技能集，并高效管理各种子任务序列。在模拟和真实环境中的大量实验表明，MuST 显著增强了机器人执行长序列灵巧操作任务的能力。