面向长时程机器人任务的未来预测成败分类

使用机械臂自动化长时程任务一直是机器人学中的核心研究课题。基于优化的动作规划是创建动作规划以完成给定任务的高效方法。构建可靠的规划方法需要设计条件过程，例如避免物体之间的碰撞。然而，该设计过程存在两个关键问题：1）迭代试验——由于修改条件的试错过程，设计过程耗时；2）手动重新设计——难以手动覆盖所有必要条件。为了解决这些问题，本文提出了一种未来预测的成败分类方法以自动获取条件。该方法背后的关键思想是采用端到端方法来确定动作规划能否完成给定任务，而不是手动重新设计条件。该方法使用长时程未来预测方法，在不执行动作规划的情况下实现成败分类。本文还提出了一种称为转移一致性正则化的正则化项，以提供易于预测的特征分布。该正则化项提升了未来预测和分类性能。通过分类和机器人操作实验证明了我们方法的有效性。