结合自监督学习与模仿的视觉绳索操作
计算机视觉与模式识别
2017-03-07 v1 机器学习
机器人学
摘要
绳索和布料等可变形物体的操作是机器人学中一个重要但具有挑战性的问题。我们提出一个基于学习的系统，机器人以人类将绳索从初始配置操作到目标配置的图像序列作为输入，并仅使用单目图像作为输入，输出可复现该人类演示的动作序列。为完成此任务，机器人以自监督方式直接从图像中学习绳索操作的像素级逆动力学模型，使用机器人自主收集的约 6 万次与绳索的交互数据。人类演示提供了做什么的高层计划，而低层逆模型则用于执行该计划。我们表明，通过结合高层与低层计划，机器人仅使用人类提供的图像序列作为指引，即可成功将绳索操作成多种目标形状。
引用
@article{arxiv.1703.02018,
title = {Combining Self-Supervised Learning and Imitation for Vision-Based Rope Manipulation},
author = {Ashvin Nair and Dian Chen and Pulkit Agrawal and Phillip Isola and Pieter Abbeel and Jitendra Malik and Sergey Levine},
journal= {arXiv preprint arXiv:1703.02018},
year = {2017}
}
备注
8 pages, accepted to International Conference on Robotics and Automation (ICRA) 2017