域偏移下颗粒材料操控的少样本自适应
机器人学
2023-10-27 v3
摘要
地外天体上的自主着陆器任务将需要对颗粒材料进行采样，同时应对域偏移，无论采样策略在地球上调优得多么好。本文提出一种自适应铲取策略，使用经元学习训练的深度高斯过程方法，从目标地形上极有限的经验中在线学习。它引入了一种新颖的元训练方法——带受控部署间隙的深度元学习（CoDeGa），该方法显式训练深度核以在大域偏移下鲁棒预测铲取体积。所提方法用于贝叶斯优化序贯决策框架中，使机器人能利用视觉与极少量在线经验，在分布外地形上实现高质量铲取动作，显著优于挖掘文献中提出的非自适应方法以及其他最先进元学习方法。此外，我们提供了一个在多样材料、地形形貌与成分上收集的 6,700 次执行铲取的数据集，以供颗粒材料操控与元学习的未来研究使用。
引用
@article{arxiv.2303.02893,
title = {Few-shot Adaptation for Manipulating Granular Materials Under Domain Shift},
author = {Yifan Zhu and Pranay Thangeda and Melkior Ornik and Kris Hauser},
journal= {arXiv preprint arXiv:2303.02893},
year = {2023}
}