Dext-Gen：稀疏奖励环境下具备全朝向控制的灵巧抓取
机器人学
2022-06-29 v1
摘要
强化学习是一种颇具前景的机器人抓取方法，因其能在困难场景中学习有效的到达与抓取策略。然而，由于问题的高维特性，使复杂机械手具备类人操作能力颇具挑战。尽管可采用奖励塑形或专家示范等补救手段来克服该问题，但它们常导致过度简化且有偏的策略。我们提出 Dext-Gen，一种适用于稀疏奖励环境（ENvironments）下灵巧抓取的强化学习框架，可应用于多种夹爪并学习无偏且精细的策略。通过对夹爪与物体采用平滑朝向表示，实现了全朝向控制。我们的方法训练耗时合理，并支持融入所需的先验知识。在仿真实验中展示了该框架在不同场景下的有效性与适应性。
引用
@article{arxiv.2206.13966,
title = {Dext-Gen: Dexterous Grasping in Sparse Reward Environments with Full Orientation Control},
author = {Martin Schuck and Jan Brüdigam and Alexandre Capone and Stefan Sosnowski and Sandra Hirche},
journal= {arXiv preprint arXiv:2206.13966},
year = {2022}
}