人間のデモンストレーションから器用な手による連続の把持機能を学習する

私たちは、暗黙の関数を使用して器用な手での操作のための把持動作を生成することを学習することを提案します。連続時間の入力を用いることで、モデルは連続的かつ滑らかな把持計画を生成できます。提案されたモデルを「連続把持機能（CGF）」と呼びます。CGFは、3D人間デモンストレーションを用いた条件付き変分オートエンコーダを用いて生成モデリングを通じて学習されます。最初に、大規模な人間-物体相互作用の軌跡をモーションリターゲティングを介してロボットのデモンストレーションに変換し、次にこれらのデモンストレーションを使用してCGFをトレーニングします。推論中は、CGFを使用してシミュレーター内で異なる把持計画を生成し、成功したものを選択して実際のロボットに転送します。多様な人間データでトレーニングすることにより、私たちのCGFは複数の物体を操作するための一般化を許可します。従来の計画アルゴリズムと比較して、CGFはより効率的で、実際のアルレグロハンドでの把持に転送した際の成功率が大幅に改善されます。