基于强化学习的双手重新抓握缝合针以实现快速运动规划
机器人学
2021-05-25 v2
摘要
重新抓握缝合针是缝合中重要且耗时的过程。为提高重新抓握的效率，已有工作要么设计特定任务的机构，要么引导夹爪朝向某特定拾取点以正确抓取针。然而，当工作空间改变时，这些方法通常不可部署。因此，在本工作中，我们通过强化学习（RL）提出用于双手针重新抓握的快速轨迹生成。来自基于采样的运动规划算法的示范被引入以加速学习。此外，我们针对该双手规划问题提出以自我为中心的状态与动作空间，其中参考系位于末端执行器上而非某个固定坐标系。因此，学习到的策略可直接应用于任意可行的机器人构型。我们在仿真中的实验表明，单次通行成功率为97%，平均规划时间为0.0212秒，优于其他广泛使用的运动规划算法。对于真实世界实验，若针位姿从RGB图像重建，成功率为73.3%，规划时间0.0846秒，运行时间5.1454秒；若针位姿预先已知，成功率升至90.5%，规划时间0.0807秒，运行时间2.8801秒。
引用
@article{arxiv.2011.04813,
title = {Bimanual Regrasping for Suture Needles using Reinforcement Learning for Rapid Motion Planning},
author = {Zih-Yun Chiu and Florian Richter and Emily K. Funk and Ryan K. Orosco and Michael C. Yip},
journal= {arXiv preprint arXiv:2011.04813},
year = {2021}
}