基于深度强化学习的虚拟手自适应抓取研究

摘要

在计算机角色动画的抓取研究中,生成动作序列的自然性、稳定性及自适应能力三者难以同时得到保证,即自然又稳定的抓取控制器往往泛化能力有限,无法适用于其他类型、尺寸物体的抓取任务.通过引入和抓取类型相对应的手部示教数据、设计回报函数,构建了一种基于深度强化学习的虚拟手自适应抓取控制器.实验结果表明,该控制器能够生成兼具自然性和稳定性的抓取运动序列,同时对素材库中不同尺寸、不同类型的基元物体也具备较好的自适应能力.