机器人形态的全身体视自建模

Boyuan Chen; Robert Kwiatkowski; Carl Vondrick; Hod Lipson

机器人形态的全身体视自建模

机器人学 2021-11-23 v2 人工智能计算机视觉与模式识别机器学习系统与控制系统与控制

作者: Boyuan Chen , Robert Kwiatkowski , Carl Vondrick , Hod Lipson

摘要

对物理身体的内部计算模型是机器人和动物规划和控制系统动作能力的基础。这些“自模型”使机器人能够考虑多种可能未来动作的结果，而无需在物理现实中尝试。近期全数据驱动自建模的进展使机器能够直接从与任务无关的交互数据中学习自身正向运动学。然而，正向运动学模型只能预测形态的有限方面，例如末端执行器的位置或关节与质点的速度。一个关键挑战是在不预先知道形态的哪些方面与未来任务相关的情况下，对整体形态与运动学进行建模。在此，我们提出，相较于直接建模正向运动学，一种更有用的自建模形式是能够基于机器人状态回答空间占据查询的模型。此类查询驱动的自模型在空间域上连续、内存高效、完全可微且具备运动学感知。在物理实验中，我们展示了视觉自模型的精度约为工作空间的百分之一，使机器人能够执行多种运动规划与控制任务。视觉自建模还可使机器人检测、定位并从真实世界损伤中恢复，从而提升机器韧性。我们的项目网站为：https://robot-morphology.cs.columbia.edu/

关键词

视觉自建模机器人形态正向运动学空间占据查询运动规划损伤恢复机器人韧性

引用

@article{arxiv.2111.06389,
  title  = {Full-Body Visual Self-Modeling of Robot Morphologies},
  author = {Boyuan Chen and Robert Kwiatkowski and Carl Vondrick and Hod Lipson},
  journal= {arXiv preprint arXiv:2111.06389},
  year   = {2021}
}

备注

Project website: https://robot-morphology.cs.columbia.edu/

机器人形态的全身体视自建模

摘要

关键词

引用

备注

相关论文