ArrayBot：基于强化学习的触觉分布式泛化操作
机器人学
2025-02-20 v2 机器学习
摘要
我们提出 ArrayBot，一种由 竖直滑动柱阵列与触觉传感器集成而成的分布式操作系统，可同时支撑、感知并操控桌面物体。面向泛化分布式操作，我们利用强化学习（RL）算法自动发现控制策略。面对海量冗余动作，我们提出通过考虑空间局部动作块与频域中的低频动作来重塑动作空间。借助该重塑动作空间，我们训练出仅通过触觉观测即可重定位多种物体的 RL 智能体。令人惊讶的是，所发现的策略不仅可泛化至模拟器中未见过的物体形状，还能在无任何域随机化的情况下迁移至实体机器人。基于已部署策略，我们展示了丰富的真实操作任务，揭示了 RL 在 ArrayBot 分布式操作上的巨大潜力。
引用
@article{arxiv.2306.16857,
title = {ArrayBot: Reinforcement Learning for Generalizable Distributed Manipulation through Touch},
author = {Zhengrong Xue and Han Zhang and Jingwen Cheng and Zhengmao He and Yuanchen Ju and Changyi Lin and Gu Zhang and Huazhe Xu},
journal= {arXiv preprint arXiv:2306.16857},
year = {2025}
}
备注
ICRA24