基于变分模仿学习的机械臂端到端书法规划
机器人学
2023-04-07 v1 人工智能
摘要
随着深度神经网络的发展，从示范中学习规划已展现出可喜的成果。最受欢迎的实际应用之一是使用机械臂进行自动手写。传统上，这被简化为一个二维问题。这种表示适用于基础绘图，但对于笔的朝向构成用户表达一部分的日本书法或复杂艺术作品而言是不够的。在本研究中，我们关注使用轨迹的三维表示以及笔尖旋转的日本书法自动规划，并提出了一种新颖的深度模仿学习神经网络，该网络通过图像与位姿数据的结合从专家示范中学习。该网络由变分自编码器、双向 LSTM 和多层感知机 (MLP) 组合而成。实验以渐进方式进行，结果表明所提出的方法成功完成了真实世界机器人的任务，克服了模仿学习中的分布偏移问题。源代码和数据集将公开。
引用
@article{arxiv.2304.02801,
title = {End-to-end Manipulator Calligraphy Planning via Variational Imitation Learning},
author = {Fangping Xie and Pierre Le Meur and Charith Fernando},
journal= {arXiv preprint arXiv:2304.02801},
year = {2023}
}
备注
5 pages, 4 figures