用于触觉机器人的深度强化学习：学习在盲文键盘上打字
机器人学
2020-08-07 v1 人工智能
摘要
人工触觉似乎很适合强化学习（RL），因为这两种范式都依赖于与环境的互动。在此我们提出一个新的环境与一组任务，以推动触觉强化学习的发展：学习在盲文键盘上打字。提出了四项任务，难度从方向键到字母键、从离散动作到连续动作递增。还通过从物理环境采样触觉数据构建了模拟对应环境。利用最先进的深度 RL 算法，我们表明所有这些任务都可在模拟中成功学习，且 4 项任务中有 3 项可在真实机器人上学会。目前缺乏样本效率使得连续字母任务在机器人上不切实际。据我们所知，本工作首次展示了在真实世界中成功训练深度 RL 智能体，且其观测仅由触觉图像构成。为助力未来利用该环境的研究，本项目的代码已发布，同时提供用于 3D 打印的盲文键帽设计以及实验复现指南。简短视频摘要见 https://youtu.be/eNylCA2uE_E。
引用
@article{arxiv.2008.02646,
title = {Deep Reinforcement Learning for Tactile Robotics: Learning to Type on a Braille Keyboard},
author = {Alex Church and John Lloyd and Raia Hadsell and Nathan F. Lepora},
journal= {arXiv preprint arXiv:2008.02646},
year = {2020}
}
备注
Accepted in RAL and IROS 2020