基于三元力表示的多智能体强化学习协作抓取与运输
机器人学
2024-11-26 v2
摘要
协作抓取和运输需要有效的协调才能完成任务。本研究聚焦于利用力感知反馈的策略，其中机器人使用传感器检测他人对物体施加的力，以实现协调。与显式通信不同，它避免了延迟和中断；然而，力感知高度敏感，且容易受到抓取环境变化（如抓取力量、抓取姿态、物体大小和几何形状）的干扰，这些变化会干扰力信号，从而削弱协调。我们提出了基于三元力表示的多智能体强化学习 (MARL)，这是一种在抓取环境变化下保持一致表示的力表示方法。模拟和实际实验表明，所提方法对抓取力量、物体大小和几何形状以及固有的 sim2real 差距具有鲁棒性。
引用
@article{arxiv.2411.13942,
title = {Cooperative Grasping and Transportation using Multi-agent Reinforcement Learning with Ternary Force Representation},
author = {Ing-Sheng Bernard-Tiong and Yoshihisa Tsurumine and Ryosuke Sota and Kazuki Shibata and Takamitsu Matsubara},
journal= {arXiv preprint arXiv:2411.13942},
year = {2024}
}