检索灵活性：在凌乱环境中进行高效物体检索
机器人学
2025-02-27 v2
摘要
检索被多个物体遮挡的物体不仅具有挑战性，而且耗时。执行此类环境中的操作具有挑战性，由于复杂的接触关系。现有方法通常通过依次抓取和移除每个遮挡物来解决此任务，导致执行时间较长，并且需要对每个遮挡物都具备不切实际的抓取能力。本文提出了一个用于在多物体堆叠环境中高效物体检索的灵活手臂-hand 系统。我们的方法利用大规模并行强化学习，在多样且精心设计的凌乱环境中训练策略。这些策略展示了出现性的操作技能（例如推送、搅拌和戳打），有效地清除遮挡物，以暴露目标物体的足够表面积。我们在超过 10 个家庭用品的多种凌乱配置中进行了广泛评估，显示出针对训练和未见物体的优异检索性能和效率。此外，我们成功地将所学策略迁移到一个真实世界的灵活多指机器人系统中，验证了其在实际场景中的实用性。视频可在我们的项目网站 https://ChangWinde.github.io/RetrDex 上找到。
引用
@article{arxiv.2502.18423,
title = {Retrieval Dexterity: Efficient Object Retrieval in Clutters with Dexterous Hand},
author = {Fengshuo Bai and Yu Li and Jie Chu and Tawei Chou and Runchuan Zhu and Ying Wen and Yaodong Yang and Yuanpei Chen},
journal= {arXiv preprint arXiv:2502.18423},
year = {2025}
}