基于遥操作数据的移动操作误差感知模仿学习
机器人学
2021-12-13 v1 人工智能
机器学习
摘要
在移动操作（MM）中，机器人既能在环境中导航又能与之交互，因此相比仅能导航或仅能操作的机器人可完成更多任务。本工作中，我们探索如何应用模仿学习（IL）为 MM 任务学习连续的视觉-运动策略。大量先前工作表明 IL 可训练用于操作或导航领域的视觉-运动策略，但极少有工作将 IL 应用于 MM 领域。这具有挑战性，原因有二：在数据侧，当前接口难以收集高质量人类示教；在学习侧，在有限数据上训练的策略部署时可能受协变量偏移影响。为解决这些问题，我们首先提出 Mobile Manipulation RoboTurk（MoMaRT），一种允许同时导航与操作移动操作器的新型遥操作框架，并在逼真的模拟厨房环境中收集了首个大规模数据集。随后我们提出一种学习的误差检测系统，通过检测智能体是否处于潜在失败状态来解决协变量偏移。我们从该数据训练出高性能 IL 策略与误差检测器，在专家数据上训练时于多个多阶段任务上取得超过 45% 的任务成功率与 85% 的误差检测成功率。代码库、数据集、可视化等见 https://sites.google.com/view/il-for-mm/home。
引用
@article{arxiv.2112.05251,
title = {Error-Aware Imitation Learning from Teleoperation Data for Mobile Manipulation},
author = {Josiah Wong and Albert Tung and Andrey Kurenkov and Ajay Mandlekar and Li Fei-Fei and Silvio Savarese and Roberto Martín-Martín},
journal= {arXiv preprint arXiv:2112.05251},
year = {2021}
}
备注
CoRL 2021