Hierarchical and Modular Network on Non-prehensile Manipulation in General Environments
作者: Yoonyoung Cho, Junhyek Han, Jisu Han, Beomjoon Kim
发布时间: 2025-03-03
来源: arxiv
研究方向: 机器人非抓取操作与模拟
主要内容
该研究提出了一种名为 HAMNET 的模块化架构，用于在模拟环境中进行非抓取操作。该架构结合了基于接触的对象和环境表示（UNICORN）以及用于构建多样化环境几何形状的程序生成算法。研究旨在提高机器人对各种环境和物体的非抓取操作能力。
主要贡献
1. 提出了 HAMNET 模块化架构，通过模块化设计提高策略的泛化能力。
2. 扩展了基于接触的对象表示（UNICORN），使其能够处理对象和环境之间的接触。
3. 开发了一种程序生成算法，用于构建多样化的环境几何形状，以支持训练。
4. 在模拟环境中训练策略，并在现实世界中实现了零样本迁移。
5. 提供了一个包含 9 个真实世界场景的模拟基准，以促进非抓取操作研究。
研究方法
1. 深度强化学习（RL）
2. 模块化架构（HAMNET）
3. 基于接触的对象和环境表示（UNICORN）
4. 程序生成算法
5. 教师-学生蒸馏
实验结果
实验结果表明，与基线模型相比，HAMNET 在模拟和现实世界环境中都取得了更好的性能。该策略能够有效地处理各种环境和物体，并在模拟环境中进行了训练后，在现实世界中实现了零样本迁移。
未来工作
未来的工作将集中于提高 HAMNET 的效率，开发动态对象表示，以及生成更精细的环境特征。此外，还将探索使用几何生成模型来增强策略的环境泛化能力。