使用弹性手与基于模型的强化学习进行可变形弹塑性物体塑形
机器人学
2021-07-16 v1
摘要
诸如黏土或面团之类的可变形固体物体在工业和家庭环境中十分普遍。然而，由于表示和建模其形变所涉及的高度复杂性，此类物体的机器人操控在文献中很大程度上仍未被探索。本工作通过提出在强化学习框架中使用一种新颖的弹性末端执行器来擀面团，解决了弹塑性面团的塑形问题。末端执行器与面团之间交互的转移模型从一小时的机器人探索中学习得到，并且不同水合程度的面团被擀成不同的长度。实验结果令人鼓舞，所提出的框架以比启发式方法少60%的动作完成了将面团擀至指定长度的任务。此外，我们展示了使用软末端执行器估计刚度可用于有效地初始化模型，相较于错误的模型初始化将机器人性能提升了约40%。
引用
@article{arxiv.2107.06924,
title = {Deformable Elasto-Plastic Object Shaping using an Elastic Hand and Model-Based Reinforcement Learning},
author = {Carolyn Matl and Ruzena Bajcsy},
journal= {arXiv preprint arXiv:2107.06924},
year = {2021}
}
备注
9 pages, 6 figures, To be published in Proc. 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)