.png){kind=icon}
返回
DDBot: Differentiable Physics-Based Digging Robot for Unknown Granular Materials
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2025.3636815.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动化处理颗粒材料面临着复杂接触动力学、不可预测的材料属性和复杂系统状态的显著挑战。现有方法往往难以在这种任务中实现效率与精度。为填补研究空白，本文研究了未知物理属性的中小规模高精度颗粒材料挖掘任务。所解决的关键科学问题是将一阶梯度优化应用于复杂的可微分颗粒材料模拟，并克服相关的数值不稳定性。提出了一种名为可微分挖掘机器人（DDBot）的新框架，用于操控颗粒材料，包括沙子和土壤。具体而言，我们为DDBot配备了针对颗粒材料操控的可微分物理模拟器，该模拟器借助GPU加速的并行计算和自动微分技术。DDBot能够通过可微分技能-动作映射、面向任务的方法、梯度裁剪和基于线搜索的梯度下降，高效地进行未知颗粒材料的系统辨识和高精度挖掘技能优化。实验结果表明，DDBot能够高效地（在5至20分钟内收敛）识别未知颗粒材料的动力学特性并优化挖掘技能，在零样本真实场景部署中实现高精度结果，突显其实用性。与最先进基准的对比结果也证实了DDBot在挖掘任务中的鲁棒性和效率。
Keyword:
Autonomous robots
computational modeling
deformable models
industrial robots
robots
robot control
robot learning
system identification
trajectory optimization
期刊
IF:
10.5
论文数:
3.3K
被引数:
2.8W
机构
引用论文
.png){kind=icon}
查看更多内容