APEX: Ambidextrous Dual-Arm Robotic Manipulation Using Collision-Free Generative Diffusion Models

灵巧的操作，特别是熟练的协调和抓握，构成了机器人的基本和不可或缺的能力，有助于模拟类似人类的行为。将这种能力集成到机器人中，使它们能够在日常生活和工业环境中承担越来越复杂的任务，甚至取代人类。不幸的是，由于任务的复杂性、广阔的机器人操作空间和动态障碍物的存在，现代方法在制定操作轨迹方面遇到了严重的挑战。我们提出了一种新颖的方法APEX，通过引入一个无碰撞的潜在扩散模型来解决所有这些困难，用于机器人运动规划和操作。首先，我们将现实生活中的双臂机器人操作任务的复杂性简化为对齐两个向量。其次，我们设计潜在扩散模型来产生各种机器人操作轨迹。此外，我们利用分类器引导技术集成障碍物信息，从而保证所生成的操作轨迹的可行性和安全性。最后，我们通过在双臂机器人硬件平台上进行广泛的实验来验证我们提出的算法。我们的算法在各种任务中始终生成成功和无缝的轨迹，超越了传统的机器人运动规划算法。这些结果对于未来扩散机器人的设计具有重要意义，增强了它们处理更复杂的机器人操作任务的能力，提高了效率和安全性。我们实验的完整视频演示可在https://sites.google.com/view/apex-dual-arm/home中找到。

论文旨在解决机器人操作中的复杂性和动态障碍物问题，提出了一种新的无碰撞潜在扩散模型，用于机器人运动规划和操作。

通过将双臂机器人操作任务抽象为对齐两个向量的过程，使用潜在扩散模型产生多样化的机器人操作轨迹，并结合分类器引导技术来集成障碍物信息，从而保证生成的操作轨迹的可行性和安全性。

论文在硬件平台上进行了大量实验，证明了该算法在多个任务中生成成功和无缝的轨迹，并超越了传统的机器人运动规划算法。同时，论文提供了完整的视频演示和开源代码，为未来设计扩散机器人提供了新思路。

相关研究包括机器人操作中的运动规划和障碍物避免算法，如基于采样的方法和基于优化的方法。