真实世界强化学习中视觉表示的比较：真空抓取的语境
机器人学
2025-03-05 v1
摘要
在真实世界中操作物体时，我们需要考虑传感器信息以指导决策的反馈策略。本研究旨在确定不同的编码器如何在强化学习（RL）框架中用于解释机器人手臂局部周围的空间环境。我们的研究聚焦于比较真实世界视觉与 3D 场景输入，在此过程中探索新的架构。我们基于 SERL 框架，为我们提供了一个样本高效且稳定的 RL 基础，同时保持最短的训练时间。本研究的结果表明，空间信息有助于显著优于视觉对应方法，在真空抓取器的盒子抓取任务中进行了验证。评估的代码和视频可在 https://github.com/nisutte/voxel-serl 获取。
引用
@article{arxiv.2503.02405,
title = {A comparison of visual representations for real-world reinforcement learning in the context of vacuum gripping},
author = {Nico Sutter and Valentin N. Hartmann and Stelian Coros},
journal= {arXiv preprint arXiv:2503.02405},
year = {2025}
}
备注
8 pager, 5 Figures, 5 Tables