UniDexGrasp++：通过几何感知课程与迭代通才-专才学习改进灵巧抓取策略学习
机器人学
2023-04-05 v2 计算机视觉与模式识别
摘要
我们提出一种新颖的、与物体无关的方法，用于在桌面设定下从真实点云观测与本体感知信息学习通用灵巧物体抓取策略，即 UniDexGrasp++。为应对在数千个物体实例上学习基于视觉的策略这一挑战，我们提出几何感知课程学习（GeoCurriculum）与几何感知迭代通才-专才学习（GiGSL），其利用了任务的几何特征并显著提升了泛化能力。借助所提技术，我们的最终策略在数千个物体实例上实现了通用灵巧抓取，在训练集与测试集上成功率分别为 85.4% 与 78.2%，优于最先进基线 UniDexGrasp 分别达 11.7% 与 11.3%。
引用
@article{arxiv.2304.00464,
title = {UniDexGrasp++: Improving Dexterous Grasping Policy Learning via Geometry-aware Curriculum and Iterative Generalist-Specialist Learning},
author = {Weikang Wan and Haoran Geng and Yun Liu and Zikang Shan and Yaodong Yang and Li Yi and He Wang},
journal= {arXiv preprint arXiv:2304.00464},
year = {2023}
}