본 논문은 비접촉 조작(non-prehensile manipulation) 문제를 해결하기 위해 모델 기반 접근법과 학습 기반 접근법을 결합한 새로운 프레임워크를 제시합니다. 모델 기반 접근법의 효율성과 학습 기반 접근법의 강건성을 결합하여, 연락점을 명시적으로 고려하는 계산 효율적인 접촉 내재적 궤적 최적화(CITO)를 기반으로 데모 가이드 심층 강화 학습(RL)을 설계함으로써 표본 효율적인 학습을 달성합니다. 또한, 특권 정보(예: 물체 질량, 크기, 자세) 없이 고유수용성, 시각 및 힘 감지 만을 사용하여 로봇이 피벗 조작을 수행할 수 있도록 특권 훈련 전략을 이용한 시뮬레이션-실제 전이 접근법을 제시합니다. 여러 피벗 작업에 대한 평가를 통해 시뮬레이션-실제 전이가 성공적으로 수행됨을 보여줍니다. 자세한 내용은 제공된 YouTube 링크의 비디오를 통해 확인할 수 있습니다.
