基于图神经网络的高效可解释机器人操作
机器人学
2022-01-13 v4 机器学习
摘要
操作任务，如装载洗碗机，可被视为不同物体间空间约束与关系的一个序列。我们旨在通过将以演示为基础的操作视为图上分类问题来从这些演示中发现这些规则，其节点表示任务相关实体（如物体与目标），并呈现一种图神经网络（GNN）策略架构以从演示中解决该问题。在我们的实验中，一个使用模仿学习（IL）在 20 个专家演示上训练的单 GNN 策略可解决积木堆叠、重排及装载洗碗机任务；一旦策略习得空间结构，它便能泛化至更多数量的物体、目标配置，以及从仿真到真实世界。这些实验表明，图式 IL 可在无需详细任务描述的情况下解决复杂长程操作问题。视频见：https://youtu.be/POxaTDAj7aY。
引用
@article{arxiv.2102.13177,
title = {Efficient and Interpretable Robot Manipulation with Graph Neural Networks},
author = {Yixin Lin and Austin S. Wang and Eric Undersander and Akshara Rai},
journal= {arXiv preprint arXiv:2102.13177},
year = {2022}
}