集成潜空间路线图以提升视觉动作规划鲁棒性
机器人学
2023-03-28 v1
摘要
在学习的潜空间中进行规划有助于降低原始观测的维度。在本工作中，我们提出利用集成范式来增强潜空间规划系统的鲁棒性。我们依托于潜空间路线图（LSR）框架，该框架在学习的结构化潜空间中构建图以执行规划。给定多个 LSR 框架实例（其潜空间或构图参数不同），我们利用动作信息以及所生成计划的嵌入节点来定义相似性度量。随后利用这些度量选择最有希望的计划。我们在模拟的盒子堆叠和葡萄采摘任务以及真实世界的机器人叠 T 恤实验中验证了集成 LSR（ENS-LSR）的性能。
引用
@article{arxiv.2303.15115,
title = {Ensemble Latent Space Roadmap for Improved Robustness in Visual Action Planning},
author = {Martina Lippi and Michael C. Welle and Andrea Gasparri and Danica Kragic},
journal= {arXiv preprint arXiv:2303.15115},
year = {2023}
}