接触交接:基于接触引导的机器人到人的物品交接
本文介绍了一种基于学习算法的动态物体移交方法,通过与人类交互学习物体移交的潜在报酬,使机器人能够自然地适应人体运动的动态,并通过上下文策略搜索来建立问题模型。
Mar, 2016
提出了一个框架来生成运动学约束的类人双手机器人运动,以确保人与机器之间物体的顺畅和自然的交接。通过使用隐藏半马尔可夫模型(HSMM)根据观察到的人的动作生成适当的响应轨迹,通过任务空间约束调整轨迹以确保准确的递交。通过一项试点研究的结果表明,与基线逆运动学方法相比,我们的方法被认为更类似于人类。
Feb, 2024
通过引入适合训练机器人的合成数据,我们提出了一个能够生成逼真人类抓取动作的框架,通过对合成数据的纯训练,证明了我们的方法在模拟环境和真实系统中与依赖真实人类动作数据的最先进方法相媲美,并且能够扩展到更多未知物体和人类动作的大规模评估。
Nov, 2023
设计了一个系统,其中包含两只附着在机器人手臂上的多指手,用于解决机器人在高速操作、精确协作和与不同对象进行交互时面临的挑战。通过在模拟中使用多智能体强化学习训练,并进行 Sim2Real 转移以在真实机器人上实施,提供了多个创新算法设计,包括学习物体的轨迹预测模型,帮助机器人准确估计物体的移动方向并做出相应反应。通过在真实环境中使用多个物体进行实验,相较于多个基准线表现出显著改进。项目页面可在 https://binghao-huang.github.io/dynamic_handover/ 访问。
Sep, 2023
本研究提出了第一个适用于基于视觉的人机递送控制策略学习的框架,使用带动态仿真环境的两阶段教师 - 学生框架,该框架使用运动规划、抓握规划、强化学习和自我监督等方法,可以在模拟实验基准测试、模拟到模拟的转换和模拟到真实的转换中显著提高性能,同时该研究也为解决仿真人类问题提供了新的思路。
Mar, 2023
该论文介绍了一种从物体形状和接触中进行功能性抓握合成的框架,成果能用于不同手模型的功能抓握合成,该方法是基于人体接触示范的数据集进行的。
Apr, 2019
本文提出基于对象接触点和手接触点的一致性设计新目标模型以及自我监督任务来生成人类手的抓取姿态,实验证明该模型在人类手抓取方面比其他最先进方法有了显著的提升,特别是在测试过程中对未见过和超出领域的物体表现出更大的增益。
Apr, 2021
本篇研究通过介绍一种新的中间变量来提高三维抓取合成的效率,以解决现有方法想要直接从物体映射到抓取姿势的非光滑和低效问题,并提出了一种基于接触区域的因子图形式来描述抓取姿态生成过程,并通过实验验证了优化方法的有效性。
Oct, 2022