一种用于学习视觉非抓取平面操作的可微方法
机器人学
2021-11-10 v1 人工智能
摘要
用视频指定任务是获取新颖且通用机器人技能的有力技术。然而，对力学和灵巧交互的推理会使接触丰富的操作学习难以扩展。在本工作中，我们关注视觉非抓取平面操作问题：给定物体平面运动的一段视频，寻找具有接触感知的机器人动作以复现相同的物体运动。我们提出了一种新颖架构，即可微操作学习（DLM），其通过利用可微优化与基于有限差的仿真，将视频解码神经模型与来自接触力学的先验相结合。通过大量仿真实验，我们研究了传统基于模型的技术与现代深度学习方法之间的相互作用。我们发现，我们的模块化且完全可微的架构在未见过的物体与运动上优于纯学习方法。\url{https://github.com/baceituno/dlm}。
引用
@article{arxiv.2111.05318,
title = {A Differentiable Recipe for Learning Visual Non-Prehensile Planar Manipulation},
author = {Bernardo Aceituno and Alberto Rodriguez and Shubham Tulsiani and Abhinav Gupta and Mustafa Mukadam},
journal= {arXiv preprint arXiv:2111.05318},
year = {2021}
}
备注
Presented at CORL 2021