RoboNinja：面向多材料物体的自适应切割策略学习
机器人学
2023-02-23 v1
摘要
我们介绍RoboNinja，一种面向多材料物体（即带有刚性核的软物体，如牛油果或芒果）的基于学习的切割系统。与先前使用开环切割动作切穿单材料物体（如切黄瓜）的工作不同，RoboNinja旨在去除物体的软部分同时保留刚性核，从而最大化产出。为此，我们的系统通过利用交互式状态估计器与自适应切割策略闭合感知—动作回路。系统首先使用稀疏碰撞信息迭代估计物体核的位置与几何形状，然后基于估计状态与容差值生成闭环切割动作。策略的“自适应”通过容差值实现，其在遇到碰撞时调节策略的保守程度，与估计核保持自适应安全距离。直接在真实机器人上学习此类切割技能具有挑战性。然而，现有模拟器难以模拟多材料物体或计算切割过程中的能耗。为解决该问题，我们开发了一个支持多材料耦合并允许生成优化轨迹作为策略学习示教的可微分切割模拟器。此外，通过使用低成本力传感器捕获碰撞反馈，我们成功将所学模型部署于包含多样核几何与软材料的真实场景。
引用
@article{arxiv.2302.11553,
title = {RoboNinja: Learning an Adaptive Cutting Policy for Multi-Material Objects},
author = {Zhenjia Xu and Zhou Xian and Xingyu Lin and Cheng Chi and Zhiao Huang and Chuang Gan and Shuran Song},
journal= {arXiv preprint arXiv:2302.11553},
year = {2023}
}