点击购买,资源将自动在新窗口打开.
获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
摘要:由于许多操纵任务的接触性质以及协调高维基数系统固有的复杂性,用两个多指手操纵物体是机器人技术的长期挑战。在这项工作中,我们分享了对物理建模,实时感知和奖励设计的新颖见解,从而使使用深度强化学习(RL)在模拟中训练的政策能够有效,有效地转移到现实世界中。具体来说,我们考虑了用两只手扭曲各种瓶子样物体的盖子的问题,这些问题表明了具有多种看不见的对象以及动态和灵活性行为的概括能力的政策。据我们所知,这是第一个在双手多指手中启用此类功能的SIM模型RL系统。
主要关键词