基于应力引导的弹性脆弱物体仿真到现实的温和操控
机器人学
2025-10-30 v1
摘要
弹性和脆弱物体的机器人操控面临重大挑战，因为过度应力可能导致物体不可逆损坏。虽然已有解决方案依赖精准的物体模型或专用传感器和抓手，但这些方法增加了系统复杂度且往往缺乏泛化能力。为此，我们提出一种基于视觉的强化学习方法，引入应力惩罚奖励以明确抑制物体损坏。此外，为加速学习，我们引入离线演示并设计从刚性代理过渡到弹性物体的课程训练。我们在仿真和真实世界场景中评估了所提方法，表明在零样本迁移情况下，仿真中学习的策略可用于现实世界中的抓取和推送豆腐等任务。我们的结果表明，所学策略表现出损伤感知的温和操控行为，通过减少 36.5% 的脆弱物体应力，实现了任务目标。
引用
@article{arxiv.2510.25405,
title = {Sim-to-Real Gentle Manipulation of Deformable and Fragile Objects with Stress-Guided Reinforcement Learning},
author = {Kei Ikemura and Yifei Dong and David Blanco-Mulero and Alberta Longhini and Li Chen and Florian T. Pokorny},
journal= {arXiv preprint arXiv:2510.25405},
year = {2025}
}
备注
Under review