基于扩散式模仿学习的可变摩擦力手部操作用于任意物体

针对任意物体的灵巧手内操作（IHM）因其丰富而微妙的接触过程而具有挑战性。可变摩擦力操作是一种替代方法，之前已展示了仅使用两个单关节手指即可实现稳健且通用的 2D IHM 能力。然而，针对可变摩擦力手的硬编码操作方法仅限于正多边形物体且仅适用于有限的目标姿态，并且需要为每个物体定制策略。本文提出一种基于扩散策略的仿射学习方法，以实现任意目标姿态下的任意物体操作，仅需最小的工程 effort 和数据收集。该方法特点是结合仿真和少量真实世界数据进行的扩散策略仿射学习。通过该框架，包括多边形和非多边形的任意物体都能精确地操控以到达任意目标姿态，仅需在 A100 GPU 上训练 2 小时，仅收集 1 小时的真实世界数据。精度高于以前针对特定物体的定制策略，实现率平均为 71.3%，平均姿态误差为 2.676 mm 和 1.902 度。