Deep Reinforcement Learning of Dexterous Pre-grasp Manipulation for Human-like Functional Categorical Grasping

要約

道具や家庭用品などの多くの物体は、非常に特殊な方法で把握された場合、つまり機能的に把握された場合にのみ使用できます。
ただし、多くの場合、機能を直接把握することは不可能です。
深層強化学習を用いて人間らしい機能把握を実現するための器用な把握前操作方針を学習する手法を提案する。
単一のポリシーの学習を可能にし、擬人化された手でいくつかの既知のオブジェクト カテゴリの新規インスタンスを器用に事前把握操作できる、高密度の複数コンポーネントの報酬関数を導入します。
このポリシーは、専門家のデモンストレーションを行わずに、純粋に強化学習によってゼロから学習され、複雑な形状のオブジェクトの位置変更と方向変更を暗黙的に学習して、特定の機能を把握します。
学習は 1 つの GPU で 3 時間以内に完了します。

要約(オリジナル)

Many objects such as tools and household items can be used only if grasped in a very specific way – grasped functionally. Often, a direct functional grasp is not possible, though. We propose a method for learning a dexterous pre-grasp manipulation policy to achieve human-like functional grasps using deep reinforcement learning. We introduce a dense multi-component reward function that enables learning a single policy, capable of dexterous pre-grasp manipulation of novel instances of several known object categories with an anthropomorphic hand. The policy is learned purely by means of reinforcement learning from scratch, without any expert demonstrations, and implicitly learns to reposition and reorient objects of complex shapes to achieve given functional grasps. Learning is done on a single GPU in less than three hours.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google