基于触觉的颗粒介质中物体抓取
机器人学
2025-12-24 v3 人工智能
机器学习
摘要
我们引入了 GEOTACT，这是第一个能够抓取和取回埋藏在颗粒环境中潜在未知形状物体的机器人系统。尽管在从采矿和探索到搜救等许多应用中都很重要，但由于视觉遮挡和嘈杂接触信号引起的不确定性，这种与颗粒介质的交互非常困难。为了应对这些挑战，我们使用了一种完全依赖触觉反馈的学习方法，并在带有模拟传感器噪声的情况下进行了端到端训练。我们表明，我们的问题表述使得学习到的推动行为自然涌现，机械臂利用这些行为来减少不确定性，并将物体引导至稳定抓取，尽管存在虚假和嘈杂的触觉读数。我们引入了一种训练课程，在模拟的颗粒环境中进行学习引导，从而实现对真实硬件的零样本迁移。尽管仅在七个具有原始形状的物体上进行训练，但我们的方法被证明能够成功取回 35 个不同的物体，包括具有复杂形状的刚性、可变形和铰接物体。视频和更多信息可在 https://jxu.ai/geotact 找到。
引用
@article{arxiv.2402.04536,
title = {Tactile-based Object Retrieval From Granular Media},
author = {Jingxi Xu and Yinsen Jia and Dongxiao Yang and Patrick Meng and Xinyue Zhu and Zihan Guo and Shuran Song and Matei Ciocarlie},
journal= {arXiv preprint arXiv:2402.04536},
year = {2025}
}