通过触摸实现泛化：面向机器人家具组装的触觉集成技能迁移
机器人学
2024-04-30 v1 机器学习
摘要
由于任务周期长且操作计划不可泛化，家具组装仍然是机器人操作中一个未解决的问题。本文提出了触觉集成技能迁移（TEST）框架，这是一种开创性的离线强化学习（RL）方法，将触觉反馈纳入控制回路。TEST 的核心设计是学习一个用于高层规划的技能转移模型，以及一组自适应的技能内目标到达策略。这种设计旨在以更具泛化性的方式解决机器人家具组装问题，促进此类长周期任务中技能的无缝衔接。我们首先从一组启发式策略和由随机化子技能片段组成的轨迹中采样演示，从而获取丰富的机器人轨迹，这些轨迹捕捉了技能阶段、机器人状态、视觉指标以及至关重要的触觉信号。利用这些轨迹，我们的离线 RL 方法能够识别技能终止条件并协调技能转换。我们的评估突出了 TEST 在分布内家具组装上的熟练程度、对未见家具配置的适应性以及对视觉干扰的鲁棒性。消融研究进一步强调了两个算法组件的关键作用：技能转移模型和触觉集成策略。结果表明，TEST 可以达到 90% 的成功率，并且在分布内和泛化设置下的效率均比启发式策略高出 4 倍以上，这表明其为富接触操作提供了一种可扩展的技能迁移方法。
引用
@article{arxiv.2404.17684,
title = {Generalize by Touching: Tactile Ensemble Skill Transfer for Robotic Furniture Assembly},
author = {Haohong Lin and Radu Corcodel and Ding Zhao},
journal= {arXiv preprint arXiv:2404.17684},
year = {2024}
}