arXiv cs.AI· Baptiste Bonin, Caro Strickland, Audrey Durand·· 13 小时前AI 评分29
基于运动学约束参照的铰接物体操作评估方法 CRS
Kinematic Constraint-Referenced Evaluation for Articulated Object Manipulation
AI 导读
研究者提出 Constraint-Referenced Strategy（CRS），将指令末端执行器旋量投影到物体关节轴上，把沿关节方向的进展与偏离约束的浪费分开，无需演示数据或学习型评判器。
正文 · AI 翻译
摘要：操作策略主要以二元任务成功率来评估，而这无法判断所指令的手势是否是物体运动学所允许的那一个。我们引入约束参照策略（Constraint-Referenced Strategy，CRS），它将指令的末端执行器旋量投影到物体的关节轴上，从而把沿关节方向的进展与偏离约束的浪费区分开来。CRS 需要一个关节模型以及由该模型导出的关节跟随脚本控制器，但不需要录制的演示或学习得到的评判器。在 74 个模拟铰接物体上，成功率将三种迁移失败记录为较低的比率，却无法归因于任何一种，而 CRS 的两个通道为每种失败给出了不同的特征。一个在门上训练的行为克隆策略在 110 个回合中有 59 个打开了抽屉，而在这些通过的回合中，它指令的离轴旋转约为在抽屉上训练的策略通过回合的 $40\times$（$1.27$ 对 $0.032$~rad/s）。相对于用同一轴评分的脚本控制器，在关节轴误差高达 $30^\circ$ 时 CRS 的判定保持不变；绝对阈值可容忍约 $8^\circ$。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37550 [cs.RO] |
| （或本版本使用 arXiv:2610.37550v1 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2610.37550 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Baptiste Bonin [查看邮箱]
[v1]
2026年10月27日 星期二 17:00:01 UTC（605 KB）
来源：arXiv cs.AI · arxiv.org