指示图像映射：一种用于学习位姿不变操纵策略的抽象
机器人学
2018-09-19 v2
摘要
在深度强化学习于机器人学中的应用里，常需学习位姿不变策略：即对环境中的物体位置和朝向变化保持不变的策略。例如，考虑插孔任务。若智能体学会将销插入一个孔，我们期望该策略能泛化到不同位姿呈现的孔。遗憾的是，使用常规方法这是一项挑战。本文提出一种对位姿平移不变的新型状态与动作抽象，称为指示图像映射(deictic image maps)，可与深度强化学习配合使用。我们给出了抽象最优策略对底层系统亦为最优的宽泛条件。最后，我们展示该方法可帮助解决具有挑战性的机器人操纵问题。
引用
@article{arxiv.1806.10045,
title = {Deictic Image Maps: An Abstraction For Learning Pose Invariant Manipulation Policies},
author = {Robert Platt and Colin Kohler and Marcus Gualtieri},
journal= {arXiv preprint arXiv:1806.10045},
year = {2018}
}