DexCatch: Learning to Catch Arbitrary Objects with Dexterous Hands

要約

人間のような器用な操作を実現することは、依然としてロボット工学の重要な研究分野です。
現在の研究は、ピックアンドプレイスタスクの成功率を向上させることに焦点を当てています。
ピックアンドプレイスと比較して、スローキャッチ動作は、物体を目的地に運ぶことなくピッキング速度を向上させる可能性があります。
ただし、動的な器用な操作では、多数の動的な接触があるため、安定した制御が大きな課題となります。
この論文では、器用な手で多様な物体を捉えることを学習するための安定性制約強化学習 (SCRL) アルゴリズムを提案します。
SCRL アルゴリズムはベースラインを大幅に上回り、学習されたポリシーは、目に見えないオブジェクトに対して強力なゼロショット転送パフォーマンスを示します。
驚くべきことに、横向きの手の中にある物体は手のひらからのサポートがないために非常に不安定ですが、私たちの方法は最も困難なタスクでも高いレベルの成功を収めることができます。
学習された動作とコードのビデオ デモンストレーションは、補足 Web サイトでご覧いただけます。

要約(オリジナル)

Achieving human-like dexterous manipulation remains a crucial area of research in robotics. Current research focuses on improving the success rate of pick-and-place tasks. Compared with pick-and-place, throw-catching behavior has the potential to increase picking speed without transporting objects to their destination. However, dynamic dexterous manipulation poses a major challenge for stable control due to a large number of dynamic contacts. In this paper, we propose a Stability-Constrained Reinforcement Learning (SCRL) algorithm to learn to catch diverse objects with dexterous hands. The SCRL algorithm outperforms baselines by a large margin, and the learned policies show strong zero-shot transfer performance on unseen objects. Remarkably, even though the object in a hand facing sideward is extremely unstable due to the lack of support from the palm, our method can still achieve a high level of success in the most challenging task. Video demonstrations of learned behaviors and the code can be found on the supplementary website.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google