超越抓取-放置：应对多样化形状的机器人堆叠问题
机器人学
2021-11-04 v2 机器学习
摘要
我们研究了具有复杂几何形状物体的机器人堆叠问题。我们提出了一组经过精心设计的、具有挑战性且多样化的此类物体，其需要超越简单“抓取-放置”方案的策略。我们的方法是一种结合基于视觉的交互式策略蒸馏与仿真到现实迁移的强化学习（RL）方法。我们学到的策略能够在真实世界中高效处理多种物体组合，并展现出丰富的堆叠技能。在一项大规模实验研究中，我们探究了在仿真中学习此类通用基于视觉的智能体时哪些选择至关重要，以及哪些因素会影响向真实机器人的最优迁移。随后我们利用这些策略收集的数据，通过离线 RL 对其加以改进。我们工作的视频与博客文章作为补充材料提供。
引用
@article{arxiv.2110.06192,
title = {Beyond Pick-and-Place: Tackling Robotic Stacking of Diverse Shapes},
author = {Alex X. Lee and Coline Devin and Yuxiang Zhou and Thomas Lampe and Konstantinos Bousmalis and Jost Tobias Springenberg and Arunkumar Byravan and Abbas Abdolmaleki and Nimrod Gileadi and David Khosid and Claudio Fantacci and Jose Enrique Chen and Akhil Raju and Rae Jeong and Michael Neunert and Antoine Laurens and Stefano Saliceti and Federico Casarini and Martin Riedmiller and Raia Hadsell and Francesco Nori},
journal= {arXiv preprint arXiv:2110.06192},
year = {2021}
}
备注
CoRL 2021. Video: https://dpmd.ai/robotics-stacking-YT . Blog: https://dpmd.ai/robotics-stacking . Code: https://github.com/deepmind/rgb_stacking