面向颗粒物体堆操作的神经场动力学模型
机器人学
2023-11-03 v1 机器学习
摘要
我们提出了一种基于学习的颗粒材料操作动力学模型。受流体动力学中常用的欧拉方法启发，我们的方法采用全卷积神经网络，该网络在基于密度场的物体堆与推动器表示上运行，使其能够利用物体间相互作用的空间局部性以及通过卷积操作实现的平移等变性。此外，我们的可微动作渲染模块使模型完全可微，并可直接与基于梯度的轨迹优化算法集成。我们在仿真和真实世界实验中通过广泛的物体堆操作任务评估了我们的模型，并证明其在准确性和计算效率上均显著超越现有的隐变量或基于粒子的方法，且展现出跨多种环境与任务的零样本泛化能力。
引用
@article{arxiv.2311.00802,
title = {Neural Field Dynamics Model for Granular Object Piles Manipulation},
author = {Shangjie Xue and Shuo Cheng and Pujith Kachana and Danfei Xu},
journal= {arXiv preprint arXiv:2311.00802},
year = {2023}
}