基于多臂老虎机的可变形物体操作模型选择
机器人学
2020-06-02 v1 人工智能
摘要
我们提出了一种不依赖高精度建模的可变形物体操作新方法。本文的关键贡献是将任务建模为多臂老虎机问题，每个臂代表一个可变形物体模型。为了“拉动”一个臂并评估其效用，我们使用该臂的模型为夹持物体的夹爪生成速度指令并执行。随着任务推进和物体变形，每个模型的效用可能发生变化。我们的框架估计这些变化，并在模型集合的探索与高效用模型的利用之间取得平衡。我们还提出了一种基于非平稳多臂正态老虎机卡尔曼滤波（KF-MANB）的方法，以利用模型间的耦合，从每次拉臂中学习更多信息。我们在合成实验中证明了我们的方法优于先前方法，并在仿真中的多个操作任务上表现出竞争力。
引用
@article{arxiv.1703.10254,
title = {Bandit-Based Model Selection for Deformable Object Manipulation},
author = {Dale McConachie and Dmitry Berenson},
journal= {arXiv preprint arXiv:1703.10254},
year = {2020}
}
备注
Presented at the Workshop on the Algorithmic Foundations of Robotics, 2016, San Francisco, CA