Vingers als Benen: Het Leren van Zelfondersteunende Voortbeweging en Manipulatie met een Antropomorfe Hand

Abstract

Een lopende robothand moet dezelfde vingers gebruiken om het lichaam te bewegen, het gewicht te ondersteunen en met de omgeving te communiceren. We laten zien hoe een antropomorfe hand deze vaardigheden kan leren terwijl het oorspronkelijke ontwerp van de vingers en de positiecontroller behouden blijven. Interne stroomvoorziening en rekenkracht maken het platform zelfvoorzienend.

Onze benadering van reinforcement learning houdt rekening met de ongelijke vingers van de hand, waarbij de training plaatsvindt in een simulator die is gekalibreerd op basis van hardwaremetingen. In simulaties beweegt de hand sneller met onze beloningsformulering dan met afgestelde beloningen die oorspronkelijk zijn ontworpen voor viervoeters.

Op de hardware maken taakspecifieke policies draadloos kruipen, sturen en herstel na een val mogelijk. Terwijl de hand zijn eigen gewicht ondersteunt, voert hij ook opeenvolgende toetsenbordcommando's uit zonder visuele ondersteuning, en duwt hij een object naar doelen met behulp van visuele feedback van bovenaf. Deze resultaten tonen een compacte mobiele manipulator aan die zijn vingers hergebruikt voor voortbeweging en interactie, zonder dat daar een apart mechanisme voor voortbeweging voor nodig is.