机器人学中学习可变长度工具操作的自适应逆运动学框架

于红博

摘要: 传统机器人对其运动学的理解有限，受限于预先编程的任务，从而限制了它们有效利用工具的能力。由于工具使用的基本组成部分 - 抓取期望的结果、选择最合适的工具、确定最佳工具方向和执行精确的操作 - 我们引入了一种开创性的框架。我们的新方法扩展了机器人的逆运动学求解器的功能，使其能够使用不同长度的工具获得一系列动作。通过将仿真学习的动作轨迹与工具集成在一起，我们展示了将从仿真中获得的技能转移到真实场景中的实用性，通过全面的实验。值得注意的是，我们扩展的逆运动学求解器展示了出色的误差率低于1厘米。此外，我们训练的策略在仿真中实现了平均误差为8厘米。值得注意的是，我们的模型在使用两种不同长度的工具时实现了几乎无法区分的性能。这项研究提供了一种探索工具使用的四个基本方面的潜在进展的指导，使机器人能够掌握在不同任务中进行工具操作的复杂技艺。

更新时间: 2025-10-30 14:44:24

领域: cs.RO,cs.AI,cs.LG

下载: http://arxiv.org/abs/2510.26551v1