人間の物体中心動作事前分布から学ぶロボット巧みな操作
Learning Object-Centric Motion Priors from Human for Robotic Dexterous Manipulation
人間の物体操作データセットから将来の手と物体の状態を予測し、その予測を汎用報酬として強化学習に用いることで、多様な物体の巧みな操作を実現した論文。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Zhengdong Hong, Guofeng Zhang
分類: cs.RO
原文アブストラクト
Manipulating diverse objects with multi-fingered dexterous hands is challenging due to the high dimensionality and complex dynamics. Human-Object Interaction (HOI) datasets provide rich knowledge about task information and embodied interactions. Instead of solely imitating the human demonstrations, our method learns to holistically predict future hand-object states by leveraging these datasets. The predicted future states of the object can serve as a general-purpose reward term for reinforcement learning, reducing reliance on task-specific reward engineering and enhancing generalization across tasks. We conduct extensive experiments on three manipulation tasks in simulation and the real world. Our approach outperforms existing SOTA methods in both success rate and generalizability on novel objects. Furthermore, we validate the cross-embodiment compatibility of our methods by successfully deploying the skills on different robot hands.
関連論文
- 渦吸着グリッパによる柔軟物把持時の渦誘起トルク：形状と空気圧パラメータの影響マニピュレーション
- 先読みグラフ探索による多経由点IK選択マニピュレーション
- 視覚適応型物体再配置プランナーVARPマニピュレーション
- 人間の作業性能に基づいて設計された人型ロボットアーム「RAIPAL」マニピュレーション
- 長期的タスク進展と局所ダイナミクスを分離する世界行動モデルマニピュレーション
- 手と物体の配置転送を学習する器用な把持操作フレームワークDexHOTマニピュレーション