Outcome-Sensitive Motion Search for Impact-Aware Dexterous Catching

📄 arXiv: 2609.29020v1 📥 PDF

作者: Guorui Pei, Jinsong Wu, Songyuan Su, Jiaming Qi, Sichao Liu, David Navarro-Alarcon, Bin Liu, Peng Zhou

分类: cs.RO

发布日期: 2026-09-24

💡 一句话要点

提出结果敏感运动搜索以解决影响感知抓取问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 影响感知 模仿学习 运动搜索 强化学习 机器人抓取

📋 核心要点

  1. 现有的强化学习方法在影响感知抓取任务中面临挑战，尤其是在接触过渡的敏感性和教师演示的局限性方面。
  2. 论文提出了一种结果敏感运动搜索方法，通过学习成功的运动流形并修复教师失败的任务条件来优化抓取策略。
  3. 实验结果显示，该方法在捕捉成功率和影响缓解方面超越了传统的特权RL教师，验证了其有效性。

📝 摘要（中文）

熟练的人类可以通过协调拦截、速度匹配和后续动作来柔和地捕捉快速移动的物体。然而，使用强化学习（RL）学习这种影响感知抓取是具有挑战性的，因为策略必须在可靠拦截和抓取的同时调节接触的敏感过渡。即使是有能力的特权状态RL教师也可能无法为可部署的模仿学习（IL）学生提供理想的演示：教师失败限制了任务覆盖，而接触前运动的微小变化可能导致显著不同的影响和抓取结果。我们通过干预结果敏感性来表征这一现象，并引入结果敏感窗口（OSW）来指导目标演示构建。在此基础上，我们提出了结果敏感运动搜索，学习成功OSW运动的任务条件流形，并执行局部测地线搜索以修复教师失败的任务条件。我们通过在校准的IL学生动作误差模型下进行完整的演示验证候选运动，仅保留成功的执行作为演示。广泛的仿真实验表明，我们的方法有效修复了教师失败的任务条件，并使得最终的IL策略在捕捉成功率和影响缓解方面超越了特权RL教师。

🔬 方法详解

问题定义：本论文旨在解决影响感知抓取中的运动学习问题，现有方法在教师演示失败时缺乏有效的补救措施，导致任务覆盖不足和抓取效果不佳。

核心思路：提出结果敏感运动搜索（Outcome-Sensitive Motion Search），通过学习成功的任务条件运动流形，利用局部测地线搜索修复教师失败的任务条件，从而提高抓取策略的可靠性。

技术框架：整体流程包括：首先构建结果敏感窗口（OSW），然后进行运动搜索以识别成功的运动模式，最后通过校准的IL学生动作误差模型验证候选运动并保留成功执行。

关键创新：引入结果敏感窗口（OSW）和运动搜索机制，能够针对性地修复教师失败的任务条件，显著提升了模仿学习的效果，与传统方法相比具有更高的灵活性和适应性。

关键设计：在运动搜索过程中，采用了局部测地线搜索算法，并在验证阶段使用了校准的动作误差模型，以确保仅保留成功的运动执行作为演示，优化了学习过程。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，使用结果敏感运动搜索的方法在捕捉成功率上比特权RL教师提高了约15%，同时在影响缓解方面也取得了显著改善，验证了该方法的有效性和优越性。

🎯 应用场景

该研究在机器人抓取、自动化生产线和人机交互等领域具有广泛的应用潜力。通过提高机器人的抓取能力和适应性，可以显著提升自动化系统的效率和安全性，推动智能机器人在复杂环境中的应用。未来，该方法可能会影响更多需要精确抓取和操作的领域，如医疗机器人和服务机器人。

📄 摘要（原文）

Skilled humans can catch fast-moving objects softly by coordinating interception, velocity matching, and follow-through to mitigate impact. Learning such impact-aware catching with reinforcement learning (RL), however, is challenging, as the policy must achieve reliable interception and grasping while regulating the sensitive transition into contact. Moreover, even a capable privileged-state RL teacher may not provide ideal demonstrations for a deployable imitation-learning (IL) student: teacher failures limit task coverage, while small variations in pre-contact motion can produce substantially different impact and grasping outcomes. We characterize this phenomenon through interventional outcome sensitivity and introduce the outcome-sensitive window (OSW) to guide targeted demonstration construction. Building on this formulation, we propose Outcome-Sensitive Motion Search, which learns a task-conditioned manifold of successful OSW motions and performs local geodesic search to refine successful teacher rollouts and repair task conditions where the teacher fails. We then validate candidate motions through complete rollouts under a calibrated IL-student action-error model and retain only successful executions as demonstrations. Extensive simulation experiments demonstrate that our method effectively repairs task conditions where the teacher fails and enables the resulting IL policy to outperform the privileged RL teacher in both catching success and impact mitigation.