DexPBT：基于群体训练扩展手臂系统灵巧操作
机器人学
2023-05-23 v1 人工智能
摘要
在这项工作中，我们提出了能够使用配备多指手末端执行器的模拟单臂或双臂机器人学习灵巧物体操作的算法与方法。利用并行 GPU 加速物理模拟器（Isaac Gym），我们为这些机器人实现了具有挑战性的任务，包括重新抓取、抓取并投掷以及物体重新定向。为解决这些问题，我们引入了去中心化群体训练（PBT）算法，该算法使我们能够大规模放大深度强化学习的探索能力。我们发现该方法显著优于常规端到端学习，并能在挑战性任务中发现鲁棒的控制策略。学习行为的视频演示与代码可在 https://sites.google.com/view/dexpbt 找到。
引用
@article{arxiv.2305.12127,
title = {DexPBT: Scaling up Dexterous Manipulation for Hand-Arm Systems with Population Based Training},
author = {Aleksei Petrenko and Arthur Allshire and Gavriel State and Ankur Handa and Viktor Makoviychuk},
journal= {arXiv preprint arXiv:2305.12127},
year = {2023}
}
备注
Published in RSS2023