异构机器人间清洁任务的知识迁移：一种深度学习方法
机器人学
2019-09-12 v2 机器学习
摘要
如今，自主服务机器人正成为机器人研究中的重要课题。与高度受控环境的典型工业场景不同，服务机器人必须对其任务扰动及感官反馈特性变化表现出额外的鲁棒性。本文中，采用示教学习范式教一个机器人在桌面上执行两种不同的清洁任务。然而，与其他方法不同，我们使用卷积神经网络将示范推广到同一桌面上不同且未见的污物或污渍图案，仅使用视觉反馈，并相应执行清洁动作。通过对数据增强技术与相机图像变换，实现对机器人姿态与光照变化的鲁棒性。该鲁棒性允许关于清洁任务执行的知识在异构机器人及不同环境设定间迁移。为证明所提方法的可行性，一个在里斯本使用 iCub 机器人训练执行清洁任务的网络，被意大利 Peccioli 的 DoRo 机器人成功使用。
引用
@article{arxiv.1903.05635,
title = {Cleaning tasks knowledge transfer between heterogeneous robots: a deep learning approach},
author = {Jaeseok Kim and Nino Cauli and Pedro Vicente and Bruno Damas and Alexandre Bernardino and José Santos-Victor and Filippo Cavallo},
journal= {arXiv preprint arXiv:1903.05635},
year = {2019}
}
备注
This paper was published in the Journal of Intelligent & Robotic Systems on August 29th, 2019. Link: https://doi.org/10.1007/s10846-019-01072-4