跳到正文
arXiv · 机器人与计算机视觉· Rongqian Chen, Yiding Chen, Jijie Zhou, Tom Z. Jiahao·· 9 天前精选AI 评分83

Grip, Trace, Write:面向高自由度机器人书写的力感知模仿与强化学习框架

Grip, Trace, Write: Force-Aware Imitation and Reinforcement Learning for High-DoF Robotic Handwriting

AI 导读

论文提出 Grip, Trace, Write 框架,构建力感知仿真环境以解决传统刚性安装笔的局限。该方法采用双分支 Actor 解耦握笔稳定性与手臂腕部书写动作,保留闭环耦合关系;训练流程先通过行为克隆初始化逆运动学演示,再利用墨水、接触力、时间和握持奖励进行强化学习优化。实验表明该策略在多种任务中提升了完成度、精度和效率,且无需微调即可泛化到未见过中英文内容,为灵巧工具使用提供了测试基准。

推荐理由

该工作提出力感知仿真环境,通过双分支策略解耦握笔与书写并强化学习优化,在未见中英文内容上实现泛化。

来源:arXiv · 机器人与计算机视觉 · arxiv.org