软体机器人动态手内转笔
机器人学
2024-11-20 v1
摘要
动态手内操作对于软体机器人系统仍是一项具有挑战性的任务，这类系统在安全柔顺交互方面已展现出优势，但在高速动态任务中仍面临困难。在本工作中，我们提出了SWIFT，一个使用软体柔顺机械手学习动态任务的系统。与以往依赖仿真、准静态动作和精确物体模型的工作不同，该系统仅使用真实世界数据通过试错学习转笔，无需笔的物理属性的显式先验知识。通过从真实世界采样的自标注试验，系统发现了一组抓笔和转笔原语参数，使软体手能够稳健可靠地转笔。在每个物体采样130次动作后，SWIFT在三支具有不同重量和重量分布的笔上实现了100%的成功率，证明了系统对物体属性变化的泛化能力和鲁棒性。结果突显了软体机器人末端执行器执行包括快速手内操作在内的动态任务的潜力。我们还展示了SWIFT能泛化至旋转不同形状和重量的物品，如刷子和螺丝刀，其成功率分别为10/10和5/10。视频、数据和代码可在 https://soft-spin.github.io 获取。
引用
@article{arxiv.2411.12734,
title = {Soft Robotic Dynamic In-Hand Pen Spinning},
author = {Yunchao Yao and Uksang Yoo and Jean Oh and Christopher G. Atkeson and Jeffrey Ichnowski},
journal= {arXiv preprint arXiv:2411.12734},
year = {2024}
}