在 日前舉行的 IEEE 國際機器人和自動化大會（ICRA）上，幾何織物（geometric fabrics）成為一個熱門的討論話題。幾何織物是 NVIDIA 機器人研究實驗室成員與合作者共同提交的七篇論文的主題之一，并于 ICRA 上發(fā)表。

什么是幾何織物？

在機器人領(lǐng)域，經(jīng)過訓練的策略本質(zhì)上是近似的。它們通常會正確行事，但有時也會使機器人移動得太快、與物體發(fā)生碰撞或使機器人左右搖晃，所以無法保證會發(fā)生什么。

因此，每當有人在物理機器人上部署經(jīng)過訓練的策略，尤其是經(jīng)過強化學習訓練的策略時，他們都會使用一級低級控制器來攔截來自策略的命令，然后，他們會根據(jù)硬件的限制來轉(zhuǎn)換這些命令。

在訓練 RL 策略時，應在訓練過程中使用該策略運行這些控制器。研究人員認為，他們的 GPU 加速 RL 訓練工具可以提供的一個獨特價值是將這些控制器矢量化，使其在訓練和部署過程中都能使用，這正是這項研究的目的所在。

例如，研發(fā)人形機器人的公司可能會展示帶有低級控制器的演示，這些控制器不僅能平衡機器人，還能防止機器人的手臂撞到自己的身體。

研究人員用于矢量化的控制器來自于過去對幾何織物的研究。這篇題為《幾何織物：概括經(jīng)典力學以捕捉行為物理學》的文章在去年 ICRA 上獲得了最佳論文獎。

DeXtreme 策略

研究人員在今年的論文中提到的手部操縱任務也來自著名的 DeXtreme 研究。

在這項新工作中，研究人員將這兩項研究合二為一，在將幾何織物控制器矢量化的基礎上訓練 DeXtreme 策略，這將使機器人更加安全，能通過名義上的織物行為來指導策略學習，并實現(xiàn)仿真到現(xiàn)實訓練和部署的系統(tǒng)化，從而離在生產(chǎn)環(huán)境中使用 RL 工具更近一步。

該工作所創(chuàng)建的基礎架構(gòu)，使研究人員能夠在訓練期間通過快速迭代來獲得正確的域隨機化，從而成功進行仿真到現(xiàn)實的部署。例如，通過在訓練和部署之間快速迭代，研究人員可以調(diào)整織物結(jié)構(gòu)并在訓練期間添加大量隨機擾動力，實現(xiàn)遠超先前工作的魯棒性水平。

在之前的 DeXtreme 工作中，現(xiàn)實世界的實驗證明對物理機器人來說非常困難。機器人在實驗過程中會發(fā)生電機和傳感器磨損情況，并改變底層控制行為。曾經(jīng)有一次，機器人甚至出現(xiàn)損壞并開始冒煙！

有了幾何織物控制器作為策略基礎并保護機器人，研究人員發(fā)現(xiàn)他們可以更自由地部署和測試策略，不必擔心機器人出現(xiàn)自毀現(xiàn)象。

如要了解更多信息，請參見幾何織物：策略學習的安全指導媒介或觀看DeXtreme 示例視頻。

ICRA 上的其他機器人研究

今年提交的其他值得關(guān)注的論文如下：

SynH2R

看不見但記得住

點云世界模型

SKT-Hang

SynH2R

SynH2R 的作者提出了一個框架，用于生成適合訓練機器人的真實人類抓取動作。如要了解更多信息，請參見：SynH2R：合成用于學習人機交接的手 - 對象運動。

看不見但記得住

RDMemory 的作者測試了機械臂對之前看到但后來被遮住的對象的反應，以確保它能夠在各種環(huán)境中做出可靠的反應。這項工作同時用到了仿真和現(xiàn)實實驗。

如要了解更多信息，請參見看不見但記得?。豪镁哂幸曨l追蹤功能的記憶模型對未觀測到的對象進行推理和規(guī)劃或觀看RDMemory 示例視頻。

點云世界模型

點云世界模型研究人員建立了一個新穎的點云世界模型（PCWM）和基于點云的控制策略。結(jié)果表明，這些策略可以提高機器人學習器的性能、縮短學習時間和增強魯棒性。

如要了解更多信息，請參見點云模型提高機器人學習器的視覺魯棒性。

SKT-Hang

SKT-Hang 作者研究的問題是如何使用機器人將各種物體掛到不同的支撐結(jié)構(gòu)上。雖然這個問題看似很容易解決，但物體形狀和支撐結(jié)構(gòu)的變化會給機器人帶來多重挑戰(zhàn)。

如要了解更多信息，請參見SKT-Hang：通過對象識別語義關(guān)鍵點軌跡生成技術(shù)來懸掛日常物體和/HCIS-Lab/SKT-Hang GitHub repo。

通過對象識別語義關(guān)鍵點軌跡生成技術(shù)來懸掛日常物體

具有手術(shù)精度的機器人

幾篇新的研究論文介紹了機器人在醫(yī)院手術(shù)環(huán)境中的應用。

ORBIT-Surgical

ORBIT-Surgical 是一個基于物理學的手術(shù)機器人仿真框架，借助NVIDIA Omniverse平臺上的NVIDIA Isaac Sim實現(xiàn)逼真渲染。

它利用 GPU 并行化來訓練強化學習和模仿學習算法，這些算法有助于研究機器人學習，增強人類手術(shù)技能。它還能生成適用于主動感知任務的逼真合成數(shù)據(jù)。研究人員演示了使用 ORBIT-Surgical 仿真轉(zhuǎn)現(xiàn)實功能將學習到的策略轉(zhuǎn)移到 dVRK 實體機器人上。

ORBIT-Surgical 的基礎機器人仿真應用將以免費開源軟件包的形式發(fā)布。

如要了解更多信息，請參見ORBIT-Surgical：一個用于學習如何提高手術(shù)靈巧性的開放仿真框架。

一個用于學習如何提高手術(shù)靈巧性的的開放仿真框架

DefGoalNet

DefGoalNet 論文重點介紹了形狀伺服控制，這是一項專門控制對象以創(chuàng)建特定目標形狀的機器人任務。如要了解更多信息，請參見DefGoalNet：從可變形對象操縱演示中學習上下文目標。

NVIDIA 機器人技術(shù)合作伙伴在 ICRA

NVIDIA 機器人技術(shù)合作伙伴在 ICRA 上展示了他們的最新開發(fā)成果。

總部位于蘇黎世的 ANYbotics 展示了其 ANYmal Research 項目，該項目提供一個讓用戶能夠訪問 ROS 系統(tǒng)底層控制的完整軟件包。ANYmal Research 是一個由數(shù)百名在頂尖機器人研究中心工作的研究人員組成的社區(qū)，包括波士頓動力 AI 研究所、蘇黎世聯(lián)邦理工學院和牛津大學等。

總部位于慕尼黑的 Franka Robotics 重點展示了與NVIDIA Isaac Manipulator的合作成果。這個基于NVIDIA Jetson的 AI 伴侶能夠為機器人控制和適用于 Matlab 的 Franka 工具箱提供助力。

Enchanted Tools 展示了其由 Jetson 驅(qū)動的 Miroka? 機器人。

NVIDIA 機器人研究實驗室位于西雅圖，重點研究機器人操縱、感知和基于物理學的仿真。該實驗室隸屬于 NVIDIA 研究部門。NVIDIA 研究部門在全球擁有 300 多名頂尖研究人員，主要研究領(lǐng)域包括 AI、計算機圖形學、計算機視覺和自動駕駛汽車等。