Catch & Carry：用于视觉引导全身任务的可复用神经控制器
人工智能
2020-06-17 v2 机器人学
摘要
我们解决长期存在的挑战，即生成灵活、真实的类人角色控制器，以执行涉及物体交互的多样全身任务。该挑战对从图形与动画到机器人与运动神经科学等诸多领域都至关重要。我们的基于物理的环境使用真实驱动和第一人称感知——包括触觉传感器和以自我为中心的视觉——旨在产生主动感知行为（如注视方向）、向真实机器人的可迁移性以及与生物学的比较。我们开发了一种基于神经网络的集成方法，由运动基元模块、人类演示以及带课程和任务变化的有指导强化学习机制组成。我们展示了该方法在若干任务中的效用，包括目标条件盒子搬运和接球，并刻画了其行为鲁棒性。所得控制器可在标准 PC 上实时部署。概览视频见 https://youtu.be/2rQAW-8gQQk 。
引用
@article{arxiv.1911.06636,
title = {Catch & Carry: Reusable Neural Controllers for Vision-Guided Whole-Body Tasks},
author = {Josh Merel and Saran Tunyasuvunakool and Arun Ahuja and Yuval Tassa and Leonard Hasenclever and Vu Pham and Tom Erez and Greg Wayne and Nicolas Heess},
journal= {arXiv preprint arXiv:1911.06636},
year = {2020}
}