从零到素描：面向机器人绘画智能体的深度解耦分层强化学习
机器人学
2022-08-10 v1 计算机视觉与模式识别
摘要
我们提出一种自动化学习框架，使机器人绘画智能体能够同时学习基于笔画的绘制与运动控制。我们将机器人绘画问题表述为深度解耦分层强化学习；用于基于笔画绘制与运动控制的两个策略独立学习以完成绘图的子任务，并在协同进行真实绘制时构成层次结构。所提方法无需手工设计特征、绘制序列或轨迹以及逆运动学，即从零训练机器人绘画智能体。我们使用带 2F 夹爪的 6 自由度机械臂进行涂鸦绘制实验。实验结果表明两个策略成功学习了子任务并协作绘制出目标图像。此外，通过改变绘制工具与表面检验了方法的鲁棒性与灵活性。
引用
@article{arxiv.2208.04833,
title = {From Scratch to Sketch: Deep Decoupled Hierarchical Reinforcement Learning for Robotic Sketching Agent},
author = {Ganghun Lee and Minji Kim and Minsu Lee and Byoung-Tak Zhang},
journal= {arXiv preprint arXiv:2208.04833},
year = {2022}
}
备注
Accepted to ICRA 2022