ActivePusher: Active Learning and Planning with Residual Physics for Nonprehensile Manipulation

作者: Zhuoyun Zhong, Seyedali Golestaneh, Constantinos Chamzas · ICRA 2026

许可协议

开放获取
论文: CC BY 4.0

以下内容均依据论文全文，按其 CC BY 4.0 许可协议使用；其中的图已注明作者。

一句话总结

一个带有基于 NTK 的不确定性的残差物理推动模型，挑选信息量最大的推动来练习，挑选最可靠的推动来规划，从而提高数据效率和推后抓取的成功率。

为何重要

该方法不需要大型离线数据集、高保真仿真器或人类示范，并且机器人会自行复位物体，因此学习过程无需人工干预。同一个不确定性估计同时服务于数据采集和规划，将技能学习与任务成功直接联系起来。

问题

解析推动模型建立在简化的摩擦、接触和质量假设之上，而学习得到的模型需要大量代价高昂的真实交互数据，并且在动作空间中见得很少的部分并不可靠。随机的数据采集不会针对那些最能改进模型的推动。

提出的方法

一次推动由推动侧面、横向偏移和推动距离参数化；一个 MLP 学习准静态解析推动模型与观测到的 SE(2) 结果之间的残差。认知不确定性来自将训练好的网络视为以其 Neural Tangent Kernel 为核的高斯过程。在学习阶段，一种改进的 BAIT 采集策略选出最能降低后验方差的推动批次；在规划阶段，SST 运动动力学规划器采样候选推动，并保留不确定性最低的那个。

关键见解

一个不确定性估计服务于两种相反的用途：选择练习内容时寻找高不确定性，选择执行动作时避开高不确定性
加入一个粗略的解析推动模型作为残差先验，在可用数据很少时帮助最大
使 SST 的控制采样偏向低不确定性的推动，可在保持规划器渐近最优的同时避开建模不佳的动作
采用主动规划时，规划器倾向于选择更长的路径，而模型认为这些路径更安全

主要结果

使用训练得最好的模型进行主动规划，使推后抓取（Push-to-Grasp）的成功率在仿真中最高提升至 95%，在真实世界中提升至 85%，并且与随机控制采样相比降低了跟踪误差
在四个仿真 YCB 物体（饼干盒、马克杯、芥末瓶、香蕉）和一个真实饼干盒上，批大小为 20 时，采用主动学习的残差模型的验证 SE(2) RMSE 低于随机数据采集
在仿真中的 100 个规划问题上，在每一种数据集规模下，残差主动学习的任务成功率都高于 MLP 和随机采样基线，跟踪误差也更低
实验设置：1,000 个候选推动参数构成的候选池，800 次验证推动，批大小为 20（仿真）或 40（真实），使用 1000 个并行 Genesis 环境采集数据

局限

只对认知不确定性建模，忽略了偶然噪声，因此规划器可能会避开低噪声区域，或过度依赖本身噪声较大的推动
任务和物体仅限于 SE(2) 中的平面推动；不涵盖非凸物体、铰接物体、3D 推动、滚动和抛掷
规划以开环方式执行，没有反馈或重规划
解析模型将每个物体近似为一个包围矩形，对所有物体将摩擦比固定为 c = 0.05，并假设接触为粘着接触
结果以图中曲线的形式报告；除了 95% 和 85% 的峰值成功率外，给出的精确数值很少

对领域的影响

入围 ICRA 2026 规划与控制最佳论文奖（Best Paper Award on Planning and Control）决选，被引用 9 次。论文未提及代码或数据的发布。

摘要

利用学习得到的动力学模型进行规划，为真实世界中的长时域操作提供了一条有前景的途径，尤其是在推动或滚动等非抓握场景中，这类场景很难获得准确的解析模型。尽管基于学习的方法前景可观，但采集训练数据可能成本高昂且效率低下，因为它往往依赖于随机采样的交互，而这些交互不一定是信息量最大的。为应对这一挑战，我们提出 ActivePusher，这是一个新颖的框架，将残差物理建模与基于核的、由不确定性驱动的主动学习相结合，把数据采集集中在信息量最大的技能参数上。此外，ActivePusher 可与基于模型的运动动力学规划器无缝集成，利用不确定性估计使控制采样偏向更可靠的动作。我们在仿真和真实世界环境中评估了该方法，并证明与基线方法相比，它提高了数据效率和规划成功率。

链接

arXiv 2506.04646: https://arxiv.org/abs/2506.04646
DOI 10.1109/ICRA57385.2026.11696785: https://doi.org/10.1109/ICRA57385.2026.11696785
PDF: https://arxiv.org/pdf/2506.04646v1