结合运动学建模的空间-时间图扩散策略用于双臂机器人操作

尽管模仿学习在机器人操作中取得了显著成功，但其在双臂任务中的应用仍然极具挑战性。现有方法主要学习一种策略来预测远处的下一个最佳末端执行器位姿（NBP），然后使用运动学逆解计算对应的关节旋转角度以生成运动。然而，它们存在两个重要问题：（1）很少考虑物理机器人结构，可能导致自碰撞或干涉；（2）忽略了运动学约束，可能导致预测的位姿不符合机器人关节的实际限制。在本文中，我们提出了运动学增强的空间-时间图扩散器（KStar Diffuser）。具体而言，（1）为了将物理机器人结构信息融入动作预测，KStar Diffuser 根据物理双臂关节运动在连续时间步维护一个动态的空间-时间图。该动态图作为去噪动作的机器人结构条件；（2）为了使 NBP 学习目标与运动学一致，我们引入了可微运动学，为优化 KStar Diffuser 提供参考。该模块使策略正则化以预测更可靠且具有运动学意识的末端执行器位姿。实验结果表明，我们的方法在仿真和真实世界中均有效利用了物理结构信息并生成了具有运动学意识的动作。