计算机科学>机器人
标题: 通过触觉深度强化学习实现细长圆柱形物体的灵巧手内操作
摘要: 连续的手部操作是一项重要的物理交互技能,触觉传感提供了必不可少的接触信息,以实现对小物体的灵巧操作。 这项工作提出了一个具有触觉反馈和模拟现实传输的端到端策略学习框架,该框架实现了精细的手持式操作,可以控制细圆柱形物体(例如长棍子)的姿势, 使用触觉传感器阵列,通过机器人灵巧手的三个指尖的多次接触来跟踪各种连续轨迹。 我们从高维触觉信息中估计了棍子和每个指尖之间的中心接触位置,并表明学习的策略通过处理的触觉反馈实现了有效的操作性能。 通过仿真中的深度强化学习对策略进行训练,并使用协调模型校准和域随机化将其成功地转移到实际实验中。 我们通过对比研究评估了触觉信息的有效性,并通过真实世界的实验验证了其真实性能。