基于凝视引导的机器人操控仿真学习任务分解
机器人学
2025-02-28 v4
摘要
在机器人操控的仿真学习中，将对象操控任务分解为子任务可实现已学习技能的复用，并组合已学习的行为以执行新任务，而不仅仅是复制演示的动作。人类凝视与手部运动在对象操控期间密切相关。我们假设，仿真代理的凝视控制（固定于特定 landmark 并在其之间转换）同时将演示的操控分解为子任务。该研究提出一种基于凝视转换的简单且稳健的任务分解方法。利用远程操控（teleoperation）这种常用于收集演示的方式，其中测量人类操作员的凝视并用于任务分解，作为仿真代理凝视的替代。我们的方法确保每个任务的所有演示都得到一致的任务分解，这在机器学习上下文中是理想的。我们评估了该方法在各种任务演示上的表现，评估了子任务特征和一致性。此外，对各种超参数设置进行了广泛测试，确认了其稳健性，使其适用于多样化的机器人系统。我们的代码可在 https://github.com/crumbyRobotics/GazeTaskDecomp 查阅。
引用
@article{arxiv.2501.15071,
title = {Gaze-Guided Task Decomposition for Imitation Learning in Robotic Manipulation},
author = {Ryo Takizawa and Yoshiyuki Ohmura and Yasuo Kuniyoshi},
journal= {arXiv preprint arXiv:2501.15071},
year = {2025}
}