一种基于精细运动基元的抓取与推移混合学习方法
机器人学
2021-11-03 v1 人工智能
摘要
机器人在现实世界中的许多潜在应用领域都取决于其抓取物体的能力。因此，机器人抓取多年来一直是一个活跃的研究领域。我们的工作旨在为机器人实现抓取能力做出贡献，特别关注料箱拣选应用。料箱拣选尤其具有挑战性，因为物体通常杂乱无章地排列，且简单的自上而下抓取往往难以实现。为应对这些挑战，我们提出了一种完全自监督的强化学习方法，该方法基于对软演员-评论家（SAC）算法的混合离散-连续自适应。我们采用参数化的运动基元来实现推移和抓取动作，从而使行为能够灵活适应我们所考虑的复杂设置。此外，我们使用数据增强来提高样本效率。我们在具有挑战性的拣选场景中展示了所提出的方法，在这些场景中，平面抓取学习或动作离散化方法将面临诸多困难。
引用
@article{arxiv.2111.01510,
title = {A Hybrid Approach for Learning to Shift and Grasp with Elaborate Motion Primitives},
author = {Zohar Feldman and Hanna Ziesche and Ngo Anh Vien and Dotan Di Castro},
journal= {arXiv preprint arXiv:2111.01510},
year = {2021}
}