Dexterous Manipulation Based on Prior Dexterous Grasp Pose Knowledge

要約

最近の研究では、器用な操作が大きな注目を集めています。
既存の研究は主に、手の動きの実質的な自由度に対処するための強化学習法に焦点を当ててきました。
それにもかかわらず、これらの方法は通常、効率と精度が低いという問題があります。
この研究では、以前の器用な把握ポーズの知識を活用して効率と精度の両方を向上させる、新しい強化学習アプローチを導入します。
以前の研究とは異なり、ロボットハンドは常に固定された器用な把握ポーズで動作します。操作プロセスを 2 つの異なるフェーズに分離します。最初に、オブジェクトの機能部分を対象とした器用な把握ポーズを生成します。
その後、強化学習を使用して環境を包括的に探索します。
私たちの調査結果は、学習時間の大部分が、適切な初期位置の特定と最適な操作視点の選択に費やされることを示唆しています。
実験結果は、4 つの異なるタスクにわたって学習効率と成功率が大幅に向上したことを示しています。

要約(オリジナル)

Dexterous manipulation has received considerable attention in recent research. Predominantly, existing studies have concentrated on reinforcement learning methods to address the substantial degrees of freedom in hand movements. Nonetheless, these methods typically suffer from low efficiency and accuracy. In this work, we introduce a novel reinforcement learning approach that leverages prior dexterous grasp pose knowledge to enhance both efficiency and accuracy. Unlike previous work, they always make the robotic hand go with a fixed dexterous grasp pose, We decouple the manipulation process into two distinct phases: initially, we generate a dexterous grasp pose targeting the functional part of the object; after that, we employ reinforcement learning to comprehensively explore the environment. Our findings suggest that the majority of learning time is expended in identifying the appropriate initial position and selecting the optimal manipulation viewpoint. Experimental results demonstrate significant improvements in learning efficiency and success rates across four distinct tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google