设计用于硬件级复用的技能智能体库

要在新环境中使用新的机器人硬件，有必要为该特定机器人在该环境中开发定制的控制程序。考虑软件在机器人之间的复用性对于最小化此过程中的工作量并最大化不同机器人在不同环境中的软件复用至关重要。本文提出了一种通过考虑硬件级复用来补救此过程的方法，该方法利用预设计的技能智能体库，并采用观察学习（LfO）范式。LfO 框架通过观察人类演示，将所需动作表示为与硬件无关的表示形式（称为任务模型），从而捕捉机器人与环境交互所需的参数。当执行任务模型中的期望动作时，使用一组技能智能体将这些表示转换为机器人命令。本文侧重于 LfO 框架的后半部分，即利用该集合从任务模型生成机器人动作，并探索这些技能智能体的与硬件无关的设计方法。这些技能智能体以与硬件无关的方式进行描述，考虑了机器人手部位置与环境之间的相对关系。因此，只需替换逆运动学求解器，即可在不同硬件配置的机器人上执行这些动作。本文首先定义了覆盖所有可能动作的必要且充分的技能智能体集合，并考虑了库中这些技能智能体的设计原则。我们提供了此类技能智能体的具体实例，并通过展示使用所提出的技能智能体集合可以在 Nextage 和 Fetch 两种不同机器人上执行相同的表示，证明了使用这些技能智能体的实用性。