arXiv cs.AI· Harsh Gupta, Tyler Ga Wei Lum, Changhao Wang, Chuer Pan, C. Karen Liu, Jeannette Bohg, Shuran Song·· 10 天前AI 评分27
EigenDEXplore：用人类先验结构化探索的灵巧操作
EigenDEXplore: Structured Exploration for Dexterous Manipulation with Human Priors
AI 导读
EigenDEXplore 通过沿人类手部数据导出的特征向量对独立关节空间噪声施加扰动，在不改变动作空间的前提下诱导相关性探索。在多种灵巧手上，该方法在抓取、手内重定向和接触丰富操作中持续优于关节空间与学习动作空间基线，并覆盖无结构 RL、参考引导 RL、轨迹优化及 sim-to-real 部署，在奖励塑形和课程设计较少时增益最大。
正文 · AI 翻译
摘要：灵巧操作是一个具有挑战性的高维优化问题，因为有用的行为需要多个手部关节的协调运动。在强化学习（RL）和基于采样的轨迹优化中，探索通常依赖于独立的机器人关节扰动，使得协调行为难以被发现。先前的工作利用从人手数据中学习到的低维协调关节运动空间来缩小抓取学习的搜索空间，但这限制了通用操作所需的表达能力。一些方法将学习到的动作与关节空间动作相结合以恢复表达能力，但这增加了维度并引入了冗余。我们在多种操作设置中研究了这些影响，改变了动作维度、探索策略以及人类数据的来源。我们的实验表明，当人类运动先验用于构建探索结构而非改变动作表示时，其效果最为显著。受此发现启发，我们提出了 EigenDEXplore，它通过沿人类导出的特征向量向独立的关节空间噪声添加扰动来诱导相关探索，同时保持动作空间不变。在多种灵巧手上，EigenDEXplore 在抓取、手内重定向和接触丰富的操作中始终优于关节空间和学习动作空间的基线方法。这些增益涵盖无结构和参考引导的 RL、轨迹优化以及仿真到现实的部署，并且在奖励塑形和课程设计较少的设置中增益最大。
| 评论： | 15 页，12 幅图。项目页面：此 https URL |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.07681 [cs.RO] |
| （或 arXiv:2610.07681v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07681 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tyler Lum [查看电子邮件]
[v1]
2026年10月6日星期二 03:15:59 UTC（9,372 KB）
来源：arXiv cs.AI · arxiv.org