面向带环境约束的示教学习的增强方法
机器人学
2022-10-14 v1 人工智能
摘要
我们提出一种用于带关节机构的接触丰富操作任务的示教学习（LfD）方法。从单人次人类示教中提取的策略可泛化至同类型不同机构，并对环境变化具有鲁棒性。从单人次人类示教实现此类泛化与鲁棒性的关键在于自主增强初始示教，通过有目的地与环境交互来收集额外信息。我们在具多自由度的复杂机构上的真实世界实验表明，我们的方法能在变化环境中可靠完成任务。视频见：https://sites.google.com/view/rbosalfdec/home
引用
@article{arxiv.2210.07015,
title = {Augmentation for Learning From Demonstration with Environmental Constraints},
author = {Xing Li and Manuel Baum and Oliver Brock},
journal= {arXiv preprint arXiv:2210.07015},
year = {2022}
}
备注
Submitted to 2023 IEEE International Conference on Robotics and Automation (ICRA)