Tilde：基于 DeltaHand 的灵活手中操作遥操作学习
机器人学
2024-08-22 v2
摘要
灵活机器人操控仍是一个具有挑战性的领域，其对硬件和软件的精度和鲁健性要求极高。尽管灵活机器人手在复杂任务中展现出卓越的能力，但高维手部和任务的自适应控制策略的有效学习仍是一个重大难题。为弥合这一差距，我们提出了 Tilde，一种基于遥操作的灵活手中操作学习系统，针对 DeltaHand 进行设计。它利用了 1) 低成本、可配置、易于控制的软性灵活机器人手 DeltaHand，2) 用户友好、精确、实时的遥操作界面 TeleHand，以及 3) 高效且可泛化的模仿学习方法，采用扩散策略。我们的 TeleHand 采用 DeltaHand 的运动学复制设计，使其在遥操作期间能够实现 DeltaHand 的精确一对一关节控制。这一特性促进了人类演示在真实世界中进行高质量数据的高效收集。为评估该系统的有效性，我们在七项灵活操控任务中实现了从演示学习到的扩散策略的完全自主闭环部署，平均成功率达 90%。
引用
@article{arxiv.2405.18804,
title = {Tilde: Teleoperation for Dexterous In-Hand Manipulation Learning with a DeltaHand},
author = {Zilin Si and Kevin Lee Zhang and Zeynep Temel and Oliver Kroemer},
journal= {arXiv preprint arXiv:2405.18804},
year = {2024}
}