为不可抓握物体合成灵巧非抓取式抓取前姿态

嵌入情境环境中的日常物体起初常不可抓握。无论是塞满的书架上被其他书夹住的书，还是平躺在桌面上的纸，都需一系列非抓取式抓取前操作将物体操控至可抓握状态。人类擅长利用环境接触完成原本不可能的操控任务，但综合此类非抓取式抓取前行为对现有方法具挑战性。我们提出一种结合图搜索、最优控制与基于学习的目标函数的新方法，以综合物理真实且多样、利用外部接触的非抓取式抓取前运动。由于情境中物体与其周边的“可抓握性”难以定义，我们利用灵巧抓取数据集学习一度量，其隐式考虑物体暴露表面与指尖位置。我们的方法能高效发现经仿真验证物理可行且灵巧手运动学可实现的手与物体轨迹。我们在八个需非抓取式抓取前才能成功的挑战性场景上评估方法，并展示其可应用于训练数据集之外的未见物体。最后，我们报告了方法的泛化性与鲁棒性定量分析及消融研究。