Sep, 2023

GenDOM: 通用的一次性可变形物体操作及其参数感知策略

PDF
TL;DRGenDOM 框架通过将策略与可变形物体参数相关联并使用各种模拟可变形物体进行训练，从而使策略能够处理不同的可变形物体，而只需进行一次真实世界演示。此方法在模拟和真实世界环境中进行了实证验证，可通过单次演示处理不同对象并在性能上显著优于基线方法，证明了该方法在一次性可变形物体操作中的有效性。
deformable object manipulationgendomsingle real-world demonstrationobject parametersone-shot deformable object manipulation
发现论文，激发创造
  • 具有参数感知策略的通用单次绳索操作

    本文提出了一种名为 GenORM 的框架，该框架可以通过单个真实演示来处理多种可变形绳索的操作策略，同时借助不可微分物理模拟器来实现，提高了一次性绳索操纵的效率和性能。

    Jun, 2023

  • 使用合成深度数据训练的稠密物体描述符学习绳索操作策略

    研究使用 DDODs 学习点对对应来操作可变形物体，并使用可读性和可迁移性的几何策略来控制机器人，成功解决了物理模型不够准确以及机器人长时间训练和泛化能力不足的问题。

    Mar, 2020

  • 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

  • DexDLO: 学习针对性目标的动态变形线性物体的巧妙操作策略

    Deformable linear object manipulation using an anthropomorphic hand is explored through the DexDLO framework, which learns dexterous dynamic manipulation policies and performs various tasks such as grabbing, pulling, and end-tip position control, demonstrated through the Mujoco physics simulator.

    Dec, 2023

  • 从专家演示中学习可变形物体操作

    本论文提出了一种新颖的基于演示的学习方法 —— 来自演示的可变形操作（DMfD），用于解决可变形操纵任务，它能够有效地处理高维空间和图像观测，并在 SoftGym 组件上取得了较高的性能。同时，本文还在两个具有挑战性的环境中进行了折叠布料任务的基准测试，并将 DMfD 运用于真实机器人中，与仿真损失相比性能损失最小。

    Jul, 2022

  • 基于目标运动引导的人类运动合成

    通过将物体运动作为条件，我们提出了一种能够从物体运动中生成全身操作行为的条件扩散框架（OMOMO），该框架学习两个独立的去噪过程，首先从物体运动中预测手的位置，然后基于预测的手位置合成全身姿势，从而显式地强制执行接触约束，从而产生更加真实可信的操作动作。

    Sep, 2023

  • DexDeform: 通过人类演示和可微分物理实现灵巧的可变形物体操作

    本文提出了 DexDeform，这是一种从人类示范中抽象出熟练操作技能并通过可微分物理学进行改进的原则性框架，该框架旨在学习多指手指对可变形物体的熟练操作，并通过新颖的探索策略以及基于想象的行动计划来提高操作的成功率。

    Mar, 2023

  • DefGoalNet：针对可变形物体处理的从演示中学习上下文目标

    通过开发新颖的神经网络 DefGoalNet，我们解决了依赖于目标形状规范的问题，该网络可以直接从少量人类演示中学习可变形物体的目标形状，并在各种机器人任务中证明了方法的有效性，甚至在手术复位任务中，即使只使用 10 个演示，我们的方法也能够达到近 90% 的成功率，这些结果大大推动了形状伺服方法接近实际的实际应用。

    Sep, 2023

  • SoftGym: 可变形物体操纵深度强化学习基准测试

    本文介绍了 SoftGym，一个开源的、用于操纵可变形物体的模拟基准测试集。它可以用于研究深度强化学习技术在高位状态表示和复杂动态环境下的可行性，并且本文针对用于解决这一问题的算法进行了实验和分析。

    Nov, 2020

  • 从范例物体轨迹和预抓取中学习熟练的操作技能

    本文介绍了一个基于 Pre-Grasp 的框架，可以生成各种不同的巧妙操作行为，无需特定任务的推理或超参数调整，并通过 TCDM 基准验证了其有效性。

    Sep, 2022