通过触觉表征预训练从示范中进行基于力的运动的少样本学习
机器人学
2023-09-12 v1 人工智能
机器学习
摘要
在许多富接触任务中，力感知在使运动适应被操作物体的物理属性方面起着至关重要的作用。为使机器人捕捉物体属性的底层分布，从而将学到的操作任务泛化到未见过的物体，现有的示教学习（Learning from Demonstration, LfD）方法需要大量昂贵的人类示范。我们提出的半监督 LfD 方法将学习到的模型解耦为触觉表征编码器与运动生成解码器。这使我们能够使用大量易获取的无监督数据预训练前者，同时使用少样本 LfD 训练后者，利用从人类学习技能的益处。我们在使用具有不同刚度和表面摩擦的海绵的擦拭任务上验证了该方法。我们的结果表明，预训练显著提升了 LfD 模型识别物理属性并为未见海绵生成期望擦拭运动的能力，优于无预训练的 LfD 方法。我们使用 KUKA iiwa 机械臂在物理机器人硬件上验证了半监督 LfD 模型生成的运动。我们还验证了在仿真中预训练的触觉表征编码器捕捉了真实物体的属性，解释了其对改善下游任务泛化的贡献。
引用
@article{arxiv.2309.04640,
title = {Few-Shot Learning of Force-Based Motions From Demonstration Through Pre-training of Haptic Representation},
author = {Marina Y. Aoyama and João Moura and Namiko Saito and Sethu Vijayakumar},
journal= {arXiv preprint arXiv:2309.04640},
year = {2023}
}