【标题】Tactile Pose Estimation and Policy Learning for Unknown Object Manipulation

【作者团队】Kelestemur, Tarik and Platt, Robert and Padir, Taskin

【发表日期】2022.3.22

【论文链接】https://arxiv.org/pdf/2203.10685.pdf

【推荐理由】对象姿态估计方法允许在非结构化环境中找到对象的位置。 这是自主机器人操作非常需要的技能，因为机器人需要估计物体的精确姿势才能操作它们。 本文研究了类别级对象的触觉姿势估计和操纵问题。 提出的方法使用带有学习触觉观察模型和确定性运动模型的贝叶斯滤波器。 之后，使用深度强化学习训练策略，其中智能体使用来自贝叶斯滤波器的信念估计。 本文提出的模型经过模拟训练并转移到现实世界，通过一系列模拟和真实世界的实验来分析框架的可靠性和性能，并将提出的方法与基线工作进行比较。 结果表明，学习到的触觉观察模型可以分别以 2 毫米和 1 度的分辨率定位新物体的位置和方向。 此外，本文对一个开瓶任务进行了实验，其中夹具需要达到所需的抓取状态。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除