基于视觉强化学习的分离原语策略用于 peg-in-hole 任务
音频与语音处理
2025-04-22 v1
摘要
对于 peg-in-hole 任务，人类会依靠三角视觉感知定位 peg 位于孔表面上方，然后再进行插入。本文从这种行为出发，通过视觉强化学习 enables �代理学习高效的装配策略。因此，我们提出了一种分离原语策略（Separate Primitive Policy, S2P），用于同时学习位置和插入动作。S2P 与无模型强化学习算法兼容。developed 了十个包含不同多边形的插入任务作为评估基准。仿真实验表明，S2P 在受力约束条件下，能够提高样本效率和成功率。还进行了实际环境实验以验证 S2P 的可行性。最后给出消融实验，以讨论 S2P 的通用性以及影响其性能的一些因素。
引用
@article{arxiv.2504.14817,
title = {DNN based HRIRs Identification with a Continuously Rotating Speaker Array},
author = {Byeong-Yun Ko and Deokki Min and Hyeonuk Nam and Yong-Hwa Park},
journal= {arXiv preprint arXiv:2504.14817},
year = {2025}
}