DexPort：用于灵巧手数据采集的手持式技能接口
DexPort 是面向高自由度机器人手的手持式便携数据采集接口，采集与部署使用同一套手部硬件以消除手部本体差异，同时记录指令关节目标与实测关节状态。操作者移动手持接口指定腕部运动，并通过选择或调整技能来协调手指运动，无需逐关节控制。研究团队在 4 项任务（多样物体抓取放置、手内工具拧螺丝、抽屉收纳、双臂扫描）中于实验室与野外采集超过 2,500 条演示，用行为克隆直接训练视觉运动策略。结果显示，使用记录的机器人指令替代状态使成功率从 11% 提升至 64%，使用野外数据使任务成功率从 36% 提升至 78%。
发布于 10-27 10:54来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《DexPort: A Hand-Held Skill Interface for Dexterous Hand Data Collection》查看原链
摘要：采集高质量演示数据仍是学习灵巧操作的核心瓶颈。 遥操作能记录可执行的机器人动作，但需要完整的机器人系统，并且操作者要承担协调多个手指关节的负担。 人类演示数据更易采集，但其动作需要估计并重定向到机器人，且不直接提供机器人动作。 本文提出 DexPort，一种面向高自由度机器人手的手持式便携数据采集接口。
它在采集与部署阶段使用同一套手部硬件，避免手部本体差异，并同时记录指令关节目标与实测关节状态。 我们的关键观察是：少量技能即可支撑广泛的灵巧任务。 采集时，操作者移动手持接口来指定机器人腕部运动，并选择或调整协调手指运动的技能。 这样既无需独立控制每个关节，又能保留精确抓取与手内操作等行为。
我们在多个真实任务及无机械臂的非结构化环境中采集演示数据，随后用行为克隆直接在记录的腕部运动与手部指令上训练视觉运动策略，无需技能标签。 我们在 4 项任务上评估：多样物体抓取放置、使用手内工具拧螺丝、需同时抓取与拉开的抽屉收纳，以及双臂扫描任务。
我们用便携设备在实验室与野外场景共采集超过 2,500 条演示。 在各任务中，使用记录的机器人指令替代状态使成功率从 11% 提升至 64%；使用野外数据使任务成功率从 36% 提升至 78%。