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


Google ICRA 2021:Google機器臂能抓手帕 軟的硬的都能抓
文章圖片

結果表明 , Goal-Conditioned Transporter Networks 使agent可以操縱變形結構到靈活指定的配置 , 而不需要測試時間的視覺錨目標位置 。我們還通過在2D 和3D 變形體任務上進行測試 , 顯著擴展了使用 Transporter Networks 操縱變形物體的先前成果 。實驗結果進一步表明 , 該方法比傳統的基于地面真實位姿和頂點位置的方法具有更高的抽樣效率 。
Google ICRA 2021:Google機器臂能抓手帕 軟的硬的都能抓
文章圖片

例如所學習的策略可以有效地模擬裝袋任務 , 還提供目標圖像以便機器人必須推斷應該將物品放入哪個袋子 。
Google ICRA 2021:Google機器臂能抓手帕 軟的硬的都能抓
文章圖片

未來這項工作還有幾個可擴展的目標 , 例如減少觀察到的失敗模式 。例如當機器人拉袋子向上 , 并導致抓著的東西掉下去時 , 就失敗了 。
另一種情況是 , 機器人將物品放置在包的不規則外表面 , 導致物品脫落 。未來的算法改進可能允許動作以更高的頻率運行 , 這樣機器人可以實時作出反應來抵消這些可能的失敗情況 。
Google ICRA 2021:Google機器臂能抓手帕 軟的硬的都能抓
文章圖片

另一個發展領域是使用不需要專家演示的技術來訓練基于 Transporter network 的可變形物體操作模型 , 比如基于實例的控制或基于模型的強化學習 。

推薦閱讀