预测日常铰接物体的运动规划

移动操作任务，如开门、拉开抽屉或掀起马桶盖，需要在环境与任务约束下对末端执行器进行约束运动。这一点，加上新颖环境中的部分信息，使得在测试时采用经典运动规划方法具有挑战性。我们的核心见解是将其视为一个学习问题，以利用解决类似规划问题的过往经验，在测试时直接预测新颖情境下移动操作任务的运动规划。为此，我们开发了模拟器 ArtObjSim，可模拟置于真实场景中的铰接物体。随后我们引入 SeqIK+$\theta_0$，一种快速且灵活的运动规划表示。最后，我们学习使用 SeqIK+$\theta_0$ 在测试时快速预测铰接新颖物体的运动规划的模型。实验评估显示，相比纯基于搜索的方法和纯学习方法，在生成运动规划的速度与精度上均有提升。