arXiv:2608.28578ترجمه شده

دست باز آئرو: یک دست آماده برای شبیه‌سازی با محرک‌های تاندون برای یادگیری مهارت‌های دست‌کاری ماهرانه

Nan Wang، Mohit Yadav، Jonathan Wulff، Aidan Rosenbaum، Kezhou Chen، Yuvan Sharma، Xu Dong، Yiwei Tao

چکیده

User Safety: safe

متن کامل

**ارائه:** دست باز ایرودینامیکی: یک دست تاندون‌محور آماده شبیه‌سازی برای یادگیری دستکاری ظریف **نویسندگان:** نان وانگ، موہیت یاداو، جوناتن ولف، ایدان روزن بوم، کزوش چن، یوان شامرا، شو دونگ، یویویی تاؤو، ییویی تاو **نگاه به PDF مقاله با عنوان «دست باز ایرودینامیکی: یک دست تاندون‌محور آماده شبیه‌سازی برای یادگیری دستکاری ظریف» نوشته نان وانگ و ۷ نویسنده دیگر** **نگاه به نسخه آزمایشی PDF** **خلاصه:** دست باز ایرودینامیکی (Aero Hand Open) یک دست تاندون‌محور انسانی است که آماده شبیه‌سازی می‌باشد. این دست دو مزیت اصلی دارد: انتقال نیرو از طریق کابل، نیاز به قرار دادن موتور در داخل مفصل را حذف می‌کند، بنابراین موتورهای کوچک‌تر و ارزان‌تر کافی هستند، و یک موتور می‌تواند چندین مفصل را از طریق یک کابل واحد کنترل کند، که تعداد موتورهای مورد نیاز را کاهش می‌دهد. با این حال، این دست‌ها نسبت به دست‌های با کنترل مستقیم، یادگیری سخت‌تری دارند. انتقال‌دهنده‌ی عملی که این مزیت را ایجاد می‌کند، در شبیه‌سازی نمایش داده نمی‌شود، و مفاصلی که توسط یک کابل کنترل می‌شوند، به طور مستقل قابل کنترل نیستند. ما Aero Hand Open را معرفی می‌کنیم، یک دست تاندون‌محور انسانی که آماده شبیه‌سازی است. سه عنصر در این دست ارائه شده‌اند: یک مدل شبیه‌سازی که انتقال از طریق کابل را بازتولید می‌کند، یک نقشه‌ی عملیاتی شناسایی‌شده که این مدل را به دستورات موتور در هر دو جهت متصل می‌کند (شامل پیوند سه‌گانه انگشت شتری)، و یک بسته‌ی یادگیری تقویتی سیاست‌ها برای آموزش دست. این عناصر به طور همزمان امکان آموزش یک سیاست کامل در شبیه‌سازی و اجرای آن روی دست را بدون نیاز به تنظیم دقیق و بدون تخمین وضعیت فراهم می‌کنند. ما طراحی مکانیکی، مدل شبیه‌سازی، نقشه‌ی شناسایی‌شده، محیط آموزش و بسته‌ی déployé را منتشر می‌کنیم. **توضیحات:** **موضوعات:** رباتیک (cs.RO)، هوش مصنوعی (cs.AI)، یادگیری ماشین (cs.LG) **استناد:** arXiv:2608.28578 [cs.RO] (یا arXiv:2608.28578v1 [cs.RO] برای این نسخه) **DOI:** https://doi.org/10.48550/arXiv.2608.28578 **تمرکز برای یادگیری بیشتر:** DOI صادرشده توسط arXiv از طریق DataCite (در انتظار ثبت) **تاریخ ارسال:** از: نان وانگ [بررسی ایمیل] [نسخه اول] جمعه، ۲۸ آگوست ۲۰۲۶، ۱۷:۵۳:۴۸ ساعت UTC (۹,۹۳۹ کیلوبایت) **ابزارهای منابع و استناد:** - منابع و استناد (چه منبعی است؟) - پایگاه‌های متصل (چه منبعی است؟) - CatalyzeX (شناسنامه مقالات) - DagsHub (چه منبعی است؟) - GotitPub (چه منبعی است؟) - Huggingface (چه منبعی است؟) - ScienceCast (چه منبعی است؟) - دمو (چه منبعی است؟) - Replicate (چه منبعی است؟) - Hugging Face Spaces (چه منبعی است؟) - TXYZ.AI (چه منبعی است؟) پیشنهاددهندگان و ابزارهای جستجو: پیوند به گراف تأثیر (گراف‌های تأثیر چیست؟) تغییر وضعیت پیشنهاددهنده اصلی (پیشنهاددهنده CORE چیست؟) مجموعه نویسنده مؤسسه موضوع درباره arXivLabs arXivLabs: پروژه‌های آزمایشی با مشارکت جامعه arXivLabs چارچوبی است که به مشارکت‌کنندگان امکان می‌دهد تا ویژگی‌های جدید arXiv را مستقیماً بر روی وب‌سایت ما توسعه دهند و به اشتراک بگذارند. هم افراد و هم سازمان‌هایی که با arXivLabs همکاری می‌کنند، ارزش‌های ما مبنی بر انفتاح، جامعه، برتری و حریم داده‌های کاربران را پذیرفته‌اند. arXiv متعهد به این ارزش‌هاست و تنها با شرکایی کار می‌کند که به آنها پایبند باشند. اگر ایده‌ای برای پروژه‌ای دارید که ارزش افزوده‌ای برای جامعه arXiv ایجاد کند، درباره arXivLabs بیشتر بدانید. کدام نویسندگان این مقاله تأییدکننده هستند؟ | غیرفعال‌سازی MathJax (MathJax چیست؟)