面向灵巧操作模仿的任务导向手部运动重定向
计算机视觉与模式识别
2018-10-04 v1
摘要
人类手部动作相当复杂,尤其涉及物体操作时,主要由于手的高维度和所蕴含的庞大动作空间。用灵巧手模型模仿这些动作涉及若干重要且具挑战性的步骤:获取人手信息、将其重定向至手模型、并从所获取数据学习策略。本工作中,我们使用最先进的手部姿态估计器捕获手部信息。我们通过结合逆运动学与 PSO 及任务目标优化,解决从手部姿态到 29 自由度手模型的重定向问题。该目标鼓励虚拟手完成操作任务,从而减轻估计器噪声与域差距的影响。相比逆运动学基线,我们的方法在抓取任务中取得更高成功率,使我们能够记录成功的人类演示。此外,我们利用这些演示通过生成对抗模仿学习(GAIL)学习策略网络,使其能在虚拟空间中自主抓取物体。
引用
@article{arxiv.1810.01845,
title = {Task-Oriented Hand Motion Retargeting for Dexterous Manipulation Imitation},
author = {Dafni Antotsiou and Guillermo Garcia-Hernando and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:1810.01845},
year = {2018}
}
备注
ECCV 2018 workshop paper