Apr, 2022

使用单臂学习实际服装折叠：基于云计算机器人技术的案例研究

PDF
TL;DR使用远程控制平台测试了自主织物操纵算法在物理机器人上的性能，并研发了一套新的以模仿学习与分析法为基础的算法，在折叠 T 恤任务上达到了人类的 84％表现。
发现论文，激发创造
  • 利用人类视频在现实世界中学习织物操作

    本文探讨了如何通过观察人类直接收集操作布料的示范，利用一些收集到的示范，我们展示了如何学习并在实际机器人上部署拾取和放置策略。

    Nov, 2022

  • SpeedFolding: 学习高效的双手折叠衣物

    本文描述了一个名为 SpeedFolding 的双手系统，使用一种新颖的神经网络体系结构来预测钳爪姿势的配对，实现对衣物的快速折叠，可在平均不到 120 秒的时间内折叠多达 30-40 次，并成功适应不同颜色、形状和硬度的衣物。

    Aug, 2022

  • 利用合成数据学习机器人布料操纵的关键点

    通过合成数据进行训练，为几乎铺平的服装物品设计关键点检测器，从而推动合成数据在衣物操作中的使用，并为机器人折叠等任务提供支持。

    Jan, 2024

  • UniFolding：面向高效样本利用、可扩展和通用的机器人服装折叠

    该研究探讨了 UniFolding 的开发，它是一个高效、可扩展、具有广泛适用性的机器人系统，用于展开和折叠各种衣物。UniFolding 利用提出的 UFONet 神经网络将展开和折叠决策整合到一个单一的策略模型中，该模型适用于不同类型和状态的服装。

    Nov, 2023

  • FlingBot：动态操作在布料展平任务中的非理性效能

    使用双臂机器人和 FlingBot 自我监督学习框架，本文研究高速动态动作在布料展开中的应用，实现了从多种初始状态下展开布料的自动化和精确控制。

    May, 2021

  • 使用预测模拟和轨迹优化折叠变形物品

    本研究提出了一种使用离线模拟器进行优化的新方案，旨在解决机器人对可变形物体进行自主折叠时遇到的问题。经实验证明，该方案有效地优化了折叠轨迹，使机械臂可以精准、高效地折叠可变形物体。

    Dec, 2015

  • Foldsformer：学习带有空间时间注意力的序列多步布料操纵

    提出了一种基于空间 - 时间注意机制的多步布料操纵规划框架 Foldformer，能够在没有目标观察的情况下完成相似任务，在四个典型的多步操作任务中大幅优于现有技术，而且可以在不需要额外培训或域随机化的情况下从模拟转移到实际应用中。

    Jan, 2023

  • 使用合成数据学习机器人布料折叠的关键点

    本篇论文提出使用合成数据学习衣物折叠中的关键点检测器，旨在解决传统方法大量标注数据成本高的问题，经实验结果表明，learned keypoint detectors 取得了良好的效果，对未来研究方向起到指导意义。

    May, 2022

  • 机器人辅助穿衣任务的协作学习

    本文探讨了触觉反馈控制和深度强化学习在机器人辅助穿衣方面的应用，使用物理仿真同时训练人类和机器人控制政策，建立包括人体不足等障碍模型，并成功地控制机器人进行模拟穿衣。

    Sep, 2019

  • 可变形物体操作的仿真增强学习

    采用最先进的深度强化学习算法，通过领域随机化，在仿真环境中训练代理程序以解决可变形物体操作问题，并成功将其部署在实际工作中。

    Jun, 2018