一种抓取不可见物体的深度学习方法
机器人学
2020-01-30 v2 人工智能
摘要
我们研究机器人操作中的一个新兴问题“抓取不可见物体”，即机器人需通过一系列推与抓动作来抓取初始不可见的目标物体。该问题中，需通过推来搜索目标并重新摆放周围杂乱物体以实现有效抓取。我们提出以评论者-策略格式的深度学习方法求解：将视觉观测与目标信息映射到推与抓运动基元的期望未来奖励的目标导向运动评论者，通过深度Q学习习得。我们将问题划分为两个子任务，并结合评论者预测与相关领域知识提出两种策略分别应对：基于贝叶斯、考虑历史动作经验的策略执行推以搜索目标；一旦找到目标，基于分类器的策略协调目标导向的推与抓以在杂乱中抓取目标。运动评论者与分类器通过机器人-环境交互以自监督方式训练。系统在仿真两子任务上分别取得93%与87%成功率，在真实机器人整体问题上取得85%成功率，大幅优于若干基线。补充材料见 https://sites.google.com/umn.edu/grasping-invisible。
引用
@article{arxiv.1909.04840,
title = {A Deep Learning Approach to Grasping the Invisible},
author = {Yang Yang and Hengyue Liang and Changhyun Choi},
journal= {arXiv preprint arXiv:1909.04840},
year = {2020}
}
备注
Accepted to the IEEE Robotics and Automation Letters (RA-L). Project page: https://sites.google.com/umn.edu/grasping-invisible