在障碍物环境中高效习得复杂操纵任务技能

机器人技能习得中的数据效率对于在多变的小批量装配环境中操作机器人至关重要。要在此类环境中作业，机器人必须具备鲁棒的避障能力，以及仅从少量简单演示中习得的通用目标条件化能力。然而，现有方法无法满足这些要求。深度强化学习（RL）使机器人能学习复杂操纵任务，但由于样本效率低和安全问题，在真实世界中常局限于小任务空间。运动规划（MP）可在障碍物环境中生成无碰撞路径，但无法解决复杂操纵任务，且所需目标状态常由用户或物体特定位姿估计器指定。在本工作中，我们提出一种高效技能习得系统，利用以物体为中心的生成模型（OCGM）进行通用目标识别，为 MP 指定目标，并结合 RL 解决障碍物环境中的复杂操纵任务。具体而言，OCGM 能在新场景中一次性识别并重新识别目标物体，使 MP 可引导机器人避开障碍物抵达目标物体。这再与技能转换网络结合，弥补了 MP 终止状态与样本高效 RL 策略可行起始状态之间的差距。实验表明，我们基于 OCGM 的一次性目标识别与其他基线方法精度相当，且我们的模块化框架在障碍物环境复杂操纵任务上大幅优于包括最先进 RL 算法在内的竞争基线。