基于人类演示的任务导向抓取

机器人抓取的一个挑战是实现任务导向抓取，即选择一种有利于抓取前后任务成功的抓取方式。解决这一难题的框架之一是观察学习（LfO），它从人类演示中获取各种提示。本文解决了 LfO 框架中抓取技能的三个问题：1）如何在功能上模仿人类演示的抓取，以适应抓取能力有限的机器人；2）如何协调抓取技能与手臂身体模仿；3）如何在物体姿态和形状不确定的情况下鲁棒地执行抓取。我们提出了一种深度强化学习方法，该方法使用基于接触网的奖励和接近方向的域随机化来实现这种鲁棒的模仿抓取技能。实验结果表明，训练后的抓取技能可应用于 LfO 系统并在真实机器人上执行。此外，结果表明，训练后的技能对物体姿态误差和物体形状不确定性具有鲁棒性，并能与各种手臂协调动作相结合。