DeRi-Bot：通过可变形物体学习协作操纵刚性物体
摘要：在同质化环境下操纵物体的最新研究取得了重大进展，其中机器人需要操纵刚性或可变形（软性）物体。然而，在涉及刚性和一维可变形物体的异构设置下的操纵仍未被探索。此类设置在各种通过绳索运输重物的情景中很常见，例如在工厂地面、灾难现场和林业中。为了应对这一挑战，我们引入了DeRi-Bot，这是第一个能够实现刚性物体与可变形物体协同操纵的框架。我们的框架包括一个行动预测网络（APN）和一个配置预测网络（CPN），用于对软刚体系统的复杂模式和随机性进行建模。我们展示了DeRi-Bot在通过与机器人臂连接的绳索将刚性物体移动到目标位置方面的有效性。此外，DeRi-Bot是一种分布式方法，可以容纳任意数量的机器人或人类伙伴，无需重新配置或重新训练。我们在模拟和真实环境中评估了我们的框架，并展示了它在不同类型的物体和多智能体设置下具有强大的泛化能力，包括人机协作。
作者：Zixing Wang, Ahmed H. Qureshi
论文ID：2305.13183
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-21