Politica di Manipolazione Bimanuale di Corde Appresa da Dati di Teleoperazione Umana

Uno studio recente su arXiv esplora l'apprendimento per imitazione applicato alla manipolazione bimanuale di oggetti lineari deformabili (DLO), come corde e cavi. I ricercatori hanno valutato due politiche che utilizzano Action Chunking con Transformers, entrambe addestrate sugli stessi dati di teleoperazione. Una politica è basata sulla visione, utilizzando due flussi RGB egocentrici catturati da telecamere montate sui polsi, mentre l'altra è basata sullo stato, utilizzando le coordinate 3D del DLO. Questa ricerca affronta le complessità della manipolazione dei DLO, incluse le sfide poste dagli spazi di configurazione a dimensione infinita e dall'auto-occlusione, con l'obiettivo di migliorare la generalizzazione a partire da dataset limitati.