基于采样与训练协同的具身自监督学习（EMSSL）用于机械臂逆运动学模型学习
机器人学
2025-04-24 v2
摘要
正运动学与逆运动学模型是机械臂的基础，作为机械臂操作任务的依据。然而，在机械臂模型学习中，尤其在存在冗余自由度时，由于多解导致的非凸问题，逆模型学习比正模型学习更具挑战性。本文中，我们提出一种基于具身自监督学习（EMSSL）且具备采样与训练协同的机械臂逆模型自主学习框架。我们研究了用于数据采样的批量推理与并行计算策略，以加速模型学习，并提出了两种机械臂模型快速适应的方法。一系列实验证明了我们所提方法的有效性。相关代码将很快公开。
引用
@article{arxiv.2302.13346,
title = {Embodied Self-Supervised Learning (EMSSL) with Sampling and Training Coordination for Robot Arm Inverse Kinematics Model Learning},
author = {Qu Weiming and Liu Tianlin and Wu Xihong and Luo Dingsheng},
journal= {arXiv preprint arXiv:2302.13346},
year = {2025}
}