移动机械臂基于主动视觉的目标抓取分布式强化学习
机器人学
2020-10-15 v2 人工智能
分布式、并行与集群计算
机器学习
机器学习
摘要
开发能在非结构化环境中执行多样化操作任务的个人机器人，需要解决机器人抓取系统中的若干挑战。我们朝这一更广阔目标迈出一步，提出了据我们所知首个基于 RL 的系统，用于移动机械臂，该系统能够 (a) 实现对未见目标物体的目标抓取泛化，(b) 学习针对含遮挡物体的杂乱场景的复杂抓取策略，以及 (c) 通过其可移动腕部相机进行主动视觉以更好地定位物体。系统以该目标物体的单张任意位姿 RGB 图像形式获知所需目标物体，使系统无需重新训练即可泛化至未见物体。为实现此类系统，我们结合了深度强化学习的数项进展，并提出了一种使用同步 SGD 的大规模分布式训练系统，可无缝扩展至多节点、多 GPU 基础设施，从而更便于快速原型开发。我们在仿真环境中训练并评估系统，识别提升性能的关键组件，分析其行为，并迁移至真实世界设置。
引用
@article{arxiv.2007.08082,
title = {Distributed Reinforcement Learning of Targeted Grasping with Active Vision for Mobile Manipulators},
author = {Yasuhiro Fujita and Kota Uenishi and Avinash Ummadisingu and Prabhat Nagarajan and Shimpei Masuda and Mario Ynocente Castro},
journal= {arXiv preprint arXiv:2007.08082},
year = {2020}
}
备注
Accepted at IROS 2020