COCOI:面向可泛化非平面推动的接触感知在线上下文推断
机器人学
2020-11-24 v1 机器学习
摘要
通用的富接触操作问题是机器人领域长期存在的挑战,其源于理解复杂接触物理的困难。深度强化学习(RL)在解决机器人操作任务中展现出巨大潜力。然而,现有RL策略对具有多样动力学属性的环境适应性有限,而这一点对于解决许多富接触操作任务至关重要。本工作中,我们提出接触感知在线上下文推断(COCOI),一种利用富接触交互在线编码动力学属性上下文嵌入的深度RL方法。我们基于一项新颖且具挑战性的非平面推动任务研究该方法:机器人使用单目相机图像与腕部力扭矩传感器读数将物体推至目标位置并保持其直立。我们进行了大量实验,以证明COCOI在仿真中广泛设置与动力学属性下的能力,以及在实际机器人上的sim-to-real迁移场景中的表现(视频:https://youtu.be/nrmJYksh1Kc)。
引用
@article{arxiv.2011.11270,
title = {COCOI: Contact-aware Online Context Inference for Generalizable Non-planar Pushing},
author = {Zhuo Xu and Wenhao Yu and Alexander Herzog and Wenlong Lu and Chuyuan Fu and Masayoshi Tomizuka and Yunfei Bai and C. Karen Liu and Daniel Ho},
journal= {arXiv preprint arXiv:2011.11270},
year = {2020}
}