Google ICRA 2021:Google机器臂能抓手帕 软的硬的都能抓( 二 )


Google ICRA 2021:Google机器臂能抓手帕 软的硬的都能抓
文章图片

结果表明 , Goal-Conditioned Transporter Networks 使agent可以操纵变形结构到灵活指定的配置 , 而不需要测试时间的视觉锚目标位置 。我们还通过在2D 和3D 变形体任务上进行测试 , 显著扩展了使用 Transporter Networks 操纵变形物体的先前成果 。实验结果进一步表明 , 该方法比传统的基于地面真实位姿和顶点位置的方法具有更高的抽样效率 。
Google ICRA 2021:Google机器臂能抓手帕 软的硬的都能抓
文章图片

例如所学习的策略可以有效地模拟装袋任务 , 还提供目标图像以便机器人必须推断应该将物品放入哪个袋子 。
Google ICRA 2021:Google机器臂能抓手帕 软的硬的都能抓
文章图片

未来这项工作还有几个可扩展的目标 , 例如减少观察到的失败模式 。例如当机器人拉袋子向上 , 并导致抓着的东西掉下去时 , 就失败了 。
另一种情况是 , 机器人将物品放置在包的不规则外表面 , 导致物品脱落 。未来的算法改进可能允许动作以更高的频率运行 , 这样机器人可以实时作出反应来抵消这些可能的失败情况 。
Google ICRA 2021:Google机器臂能抓手帕 软的硬的都能抓
文章图片

另一个发展领域是使用不需要专家演示的技术来训练基于 Transporter network 的可变形物体操作模型 , 比如基于实例的控制或基于模型的强化学习 。

推荐阅读