高效学习单臂甩动动作以抚平衣物
机器人学
2022-09-27 v2
摘要
近期研究表明，双臂“甩动”动作可有效抚平衣物。我们考虑单臂甩动动作。与几乎不需要机器人轨迹参数调整的双臂甩动动作不同，单臂甩动动作对轨迹参数非常敏感。我们考虑一个六自由度单臂机器人，通过学习甩动轨迹来实现高衣物覆盖率。给定一个衣物抓取点，机器人在物理实验中探索不同的参数化甩动轨迹。为提高学习效率，我们提出一种由粗到精的学习方法，首先使用多臂老虎机（MAB）框架高效地找到一个候选甩动动作，然后通过连续优化方法对其进行细化。此外，我们提出了基于甩动结果不确定性的新颖训练和执行时停止准则；训练时停止准则提高了数据效率，而执行时停止准则利用重复的甩动动作来提高性能。与基线方法相比，所提方法显著加速了学习过程。而且，借助通过自监督收集的相似衣物的先验经验，新衣物的MAB学习时间最多可减少87%。我们在36件真实衣物上进行了评估：毛巾、T恤、长袖衬衫、连衣裙、运动裤和牛仔裤。结果表明，利用先验经验，机器人可在30分钟内学会针对一件新衣物的甩动动作，并达到60-94%的覆盖率。
引用
@article{arxiv.2206.08921,
title = {Efficiently Learning Single-Arm Fling Motions to Smooth Garments},
author = {Lawrence Yunliang Chen and Huang Huang and Ellen Novoseller and Daniel Seita and Jeffrey Ichnowski and Michael Laskey and Richard Cheng and Thomas Kollar and Ken Goldberg},
journal= {arXiv preprint arXiv:2206.08921},
year = {2022}
}
备注
Accepted to 2022 International Symposium on Robotics Research (ISRR)