面向柔顺操作的约束感知策略
机器人学
2023-11-21 v1
摘要
在物理受限环境中的机器人操作需要柔顺操作。柔顺操作是一种根据环境施加的力来调整手部运动的操作技能。近来，强化学习（RL）已被应用于解决涉及柔顺操作的家务操作。然而，以往的 RL 方法主要侧重于为特定操作设计策略，这限制了其适用性，且每个新操作都需单独训练。我们提出了一种约束感知策略，通过依据所涉及的物理约束类型将若干操作分组，可适用于各种未见过的操作。物理约束的类型决定了所施加力方向的特征；因此，基于该特征在环境中训练一个通用策略并设计奖励。本文关注两类物理约束：棱柱关节和旋转关节。实验表明，同一策略在仿真和现实中均能成功执行多种柔顺操作。我们认为本研究是实现通用家务机器人的第一步。
引用
@article{arxiv.2311.11007,
title = {Constraint-aware Policy for Compliant Manipulation},
author = {Daichi Saito and Kazuhiro Sasabuchi and Naoki Wake and Atsushi Kanehira and Jun Takamatsu and Hideki Koike and Katsushi Ikeuchi},
journal= {arXiv preprint arXiv:2311.11007},
year = {2023}
}