DIPN：深度交互预测网络及其在杂物清除中的应用
机器人学
2021-04-06 v2 人工智能
摘要
我们提出一种深度交互预测网络（DIPN），用于学习预测当机器人末端执行器推动多个物体时所引发的复杂交互，这些物体的物理属性（包括尺寸、形状、质量和摩擦系数）可能事先未知。DIPN “想象”推动动作的效果，并生成预测结果的精确合成图像。DIPN 被证明在仿真中或使用真实机器人系统训练时都具有样本高效性。DIPN 的高精度允许与抓取网络直接集成，从而产生一个能够以完全自监督方式训练、执行具有挑战性的杂物清除任务的机器人操纵系统。该整体网络在为推动与抓取间选择恰当动作以完成杂物清除任务时表现出智能行为，并显著优于先前的最先进水平（SOTA）。值得注意的是，DIPN 在真实机器人硬件系统上取得了甚至优于仿真的性能。视频、代码与实验日志可在 https://github.com/rutgers-arc-lab/dipn 获取。
引用
@article{arxiv.2011.04692,
title = {DIPN: Deep Interaction Prediction Network with Application to Clutter Removal},
author = {Baichuan Huang and Shuai D. Han and Abdeslam Boularias and Jingjin Yu},
journal= {arXiv preprint arXiv:2011.04692},
year = {2021}
}
备注
ICRA 2021