量子位
·
机器人“会用手”了！银河通用首破手掌任意朝向旋转难题，拧螺丝、砸钉子样样精通
💡
原文中文，约4300字，阅读约需11分钟。
📝
内容提要
银河通用推出的DexNDM灵巧手神经动力学模型，实现了手掌任意朝向的稳定旋转，具备拧螺丝和使用工具的能力，突破了Sim2Real鸿沟，提升了机器人的操作能力，推动灵巧操作向工业应用发展。
🎯
关键要点
- 银河通用推出的DexNDM灵巧手神经动力学模型，实现了手掌任意朝向的稳定旋转。
- DexNDM具备拧螺丝和使用工具的能力，突破了Sim2Real鸿沟。
- 灵巧手能够对多类物体实现稳定、多姿态、多轴向的旋转操作。
- DexNDM采用关节级神经动力学模型，提升了数据利用效率和泛化能力。
- 通过全自动数据收集策略，机器人能自主生成丰富的接触数据。
- DexNDM的训练流程采用“从专家到通才”的方法，实现跨任务、跨形态的稳定操作。
- DexNDM解决了手内旋转和工具使用能力的关键问题，推动机器人向精细操作能力发展。
- 灵巧操作是机器人研究中的难点，DexNDM的突破为通用机器人提供了基础设施。
- DexNDM推动灵巧操作从学术研究走向可复用的生产力基础设施。
- 灵巧手的应用场景扩展至工业装配、家具组装等，提高实际生产力。
❓
延伸问答
DexNDM灵巧手的主要功能是什么？
DexNDM灵巧手能够实现手掌任意朝向的稳定旋转，具备拧螺丝和使用工具的能力。
DexNDM如何突破Sim2Real鸿沟？
DexNDM通过分布有偏的真实数据训练，无需成功示例，实现高精度学习，弥合了Sim2Real的差距。
DexNDM的训练流程是怎样的？
DexNDM采用“从专家到通才”的训练流程，先训练多个专家策略，再融合为一个通用策略。
灵巧手在工业应用中有哪些潜在场景？
灵巧手可应用于工业装配、家具组装等场景，提高实际生产力。
DexNDM如何提升机器人的操作能力？
DexNDM通过关节级神经动力学模型提升数据利用效率和泛化能力，使机器人能够更灵活地操作多种物体。
灵巧操作在机器人研究中面临哪些挑战？
灵巧操作面临高自由度控制难度、手–物接触变化和仿真与现实之间的动力学差距等挑战。
➡️
