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、投げてキャッチする動作は、目的地まで物体を輸送する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（LTC）を使用した投げる・キャッチするタスクのための学習ベースのフレームワークを提案します。
私たちの手法である LTC は、45 のシナリオ (さまざまな手のポーズとオブジェクト) にわたって 73\% の成功率を達成し、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ています。
さらに、手に持った物体が横を向いているタスクでは、手のひらからのサポートがないために非常に不安定なシナリオとなり、すべてのベースラインが失敗しますが、それでも私たちの方法は 60\% 以上の成功率を達成しています。

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, throwing-catching behavior has the potential to increase the speed of 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 Learning-based framework for Throwing-Catching tasks using dexterous hands (LTC). Our method, LTC, achieves a 73\% success rate across 45 scenarios (diverse hand poses and objects), and the learned policies demonstrate strong zero-shot transfer performance on unseen objects. Additionally, in tasks where the object in hand faces sideways, an extremely unstable scenario due to the lack of support from the palm, all baselines fail, while our method still achieves a success rate of over 60\%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google