机构名称：
¥ 1.0
摘要：机器人抓握构成实现先进工业运营复杂性的重要能力。该领域已进行了广泛的研究，以解决一系列实际应用。然而，稳定的掌握的产生仍然具有挑战性，这主要是由于对象几何形状和任务的多种目标所施加的限制。在这项工作中，我们提出了一种从基于演示的Grasp计划框架中进行的新颖学习。该框架旨在从单个演示中提取至关重要的人类掌握技能，即接触区域和接近方向。然后，它提出了一个优化问题，该问题集成了提取的技能以产生稳定的掌握。与传统方法不同，这些方法依赖于通过人类演示来学习隐式协同作用，或绘制人手和机器人抓手之间的不同运动学，我们的方法着重于学习涉及潜在接触区域和握把方法方向的直觉人类意图。此外，我们的优化公式能够通过最大程度地减少对象和握把手指表面所示的接触区域之间的表面拟合误差来识别最佳掌握，并对所证明的抓手和接近方法指示之间的任何不对对准施加惩罚。进行了一系列实验，以通过模拟和现实世界情景来验证所提出的算法的有效性。
机器人掌握计划：从演示中学习
主要关键词
相关文件推荐
