MyoDex: Um Prior Generalizável para Manipulação Habilidosa

MyoDex: A Generalizable Prior for Dexterous Manipulation

September 6, 2023

Autores: Vittorio Caggiano, Sudeep Dasari, Vikash Kumar

cs.AI

Resumo

A destreza humana é uma marca registrada do controle motor. Nossas mãos podem sintetizar rapidamente novos comportamentos, apesar da complexidade (multiarticular e com múltiplas juntas, com 23 articulações controladas por mais de 40 músculos) dos circuitos sensório-motores musculoesqueléticos. Neste trabalho, nos inspiramos em como a destreza humana se baseia em uma diversidade de experiências prévias, em vez de ser adquirida por meio de uma única tarefa. Motivados por essa observação, buscamos desenvolver agentes que possam se apoiar em suas experiências anteriores para adquirir rapidamente novos comportamentos (anteriormente inatingíveis). Especificamente, nossa abordagem aproveita o aprendizado multitarefa para capturar implicitamente priors comportamentais independentes de tarefa (MyoDex) para destreza humana, utilizando um modelo de mão humana fisiologicamente realista - MyoHand. Demonstramos a eficácia do MyoDex na generalização com poucos exemplos, bem como na transferência positiva para um grande repertório de tarefas de manipulação destra nunca vistas. Agentes que utilizam o MyoDex podem resolver aproximadamente 3 vezes mais tarefas e 4 vezes mais rápido em comparação com uma linha de base de destilação. Embora trabalhos anteriores tenham sintetizado comportamentos únicos de controle musculoesquelético, o MyoDex é o primeiro prior de manipulação generalizável que catalisa o aprendizado de controle fisiológico destra em uma grande variedade de comportamentos ricos em contato. Também demonstramos a eficácia de nossos paradigmas além do controle musculoesquelético, em direção à aquisição de destreza na mão Adroit de 24 graus de liberdade. Site: https://sites.google.com/view/myodex

English

Human dexterity is a hallmark of motor control. Our hands can rapidly synthesize new behaviors despite the complexity (multi-articular and multi-joints, with 23 joints controlled by more than 40 muscles) of musculoskeletal sensory-motor circuits. In this work, we take inspiration from how human dexterity builds on a diversity of prior experiences, instead of being acquired through a single task. Motivated by this observation, we set out to develop agents that can build upon their previous experience to quickly acquire new (previously unattainable) behaviors. Specifically, our approach leverages multi-task learning to implicitly capture task-agnostic behavioral priors (MyoDex) for human-like dexterity, using a physiologically realistic human hand model - MyoHand. We demonstrate MyoDex's effectiveness in few-shot generalization as well as positive transfer to a large repertoire of unseen dexterous manipulation tasks. Agents leveraging MyoDex can solve approximately 3x more tasks, and 4x faster in comparison to a distillation baseline. While prior work has synthesized single musculoskeletal control behaviors, MyoDex is the first generalizable manipulation prior that catalyzes the learning of dexterous physiological control across a large variety of contact-rich behaviors. We also demonstrate the effectiveness of our paradigms beyond musculoskeletal control towards the acquisition of dexterity in 24 DoF Adroit Hand. Website: https://sites.google.com/view/myodex