用于自主机器人动力学预测与适应的自我中心视觉自建模
机器人学
2024-03-19 v3
摘要
机器人建模自身动力学的能力是自主规划与学习以及自主损伤检测与恢复的关键。传统上，动力学模型由预先编程或从外部观测中学习得到。在此，我们首次展示了如何使用单个第一人称视角摄像头以自监督方式学习任务无关的动态自模型，而无需任何关于机器人形态、运动学或任务的先验知识。通过对一个 12 自由度机器人的实验，我们展示了该模型在使用视觉输入的基本运动任务中的能力。值得注意的是，机器人可自主检测异常（如部件损坏）并调整其行为，展现了在动态环境中的韧性。此外，该模型的泛化能力在不同配置的机器人上得到验证，强调了其作为多样化机器人系统通用工具的潜力。我们工作中提出的自我中心视觉自模型为更具自主性、适应性和韧性的机器人系统铺平了道路。
引用
@article{arxiv.2207.03386,
title = {Egocentric Visual Self-Modeling for Autonomous Robot Dynamics Prediction and Adaptation},
author = {Yuhang Hu and Boyuan Chen and Hod Lipson},
journal= {arXiv preprint arXiv:2207.03386},
year = {2024}
}