面向多样碗型与食物类型的机器人辅助喂食的自适应视觉模仿学习
机器人学
2024-03-20 v1 人工智能
计算机视觉与模式识别
摘要
本研究引入一种 novel 视觉模仿网络，集成空间注意力模块，用于机器人辅助喂食 (RAF)。目标是获取（即抓取）碗中的食物。然而，实现鲁棒且自适应的食物操作具有挑战性。为此，我们提出一种将视觉感知与模仿学习集成，以使机器人在抓取过程中能够处理多样化情景的框架。我们的方法称为 AVIL（自适应视觉模仿学习），在不同碗的配置（包括材料、尺寸和位置）以及多样化食物类型（包括颗粒状、半固体和液体）以及存在干扰项的情况下表现出良好的适应性和鲁棒性。我们通过在实际机器人上进行实验验证了该方法的有效性。我们还与基线方法进行了比较。结果表明，在所有情景下该方法均优于基线，成功率提升最高可达 2.5 倍。值得注意的是，虽然我们的模型仅在装有颗粒类谷物的透明玻璃碗中训练，却在零样本条件下对其他碗的配置和不同食物类型实现了 generalization。
引用
@article{arxiv.2403.12891,
title = {Adaptive Visual Imitation Learning for Robotic Assisted Feeding Across Varied Bowl Configurations and Food Types},
author = {Rui Liu and Amisha Bhaskar and Pratap Tokekar},
journal= {arXiv preprint arXiv:2403.12891},
year = {2024}
}