面向灵巧双臂机器人操作的目标准备双重动作模仿学习
机器人学
2025-05-23 v3 计算机视觉与模式识别
摘要
对可变形物体(如剥香蕉)的长时序灵巧机器人操作是一项困难任务,原因在于物体建模的困难以及缺乏稳定且灵巧的操作技能知识。本文提出一种目标准备双重动作(GC-DA)深度模仿学习(DIL)方法,可利用人类演示数据学习灵巧操作技能。以往的 DIL 方法映射当前感官输入与反应式动作,常因动作循环计算引起的模仿学习复合误差而失败。该方法仅在需要对目标物体进行精确操作时预测反应式动作(局部动作),而在无需精确操作时生成整体轨迹(全局动作)。这种双重动作公式通过基于轨迹的全局动作有效防止了模仿学习中的复合误差,同时在反应式局部动作中响应目标物体的意外变化。所提方法在真实双臂机器人上进行了测试,并成功完成了剥香蕉任务。本工作及相关工作的数据见:https://sites.google.com/view/multi-task-fine。
引用
@article{arxiv.2203.09749,
title = {Goal-conditioned dual-action imitation learning for dexterous dual-arm robot manipulation},
author = {Heecheol Kim and Yoshiyuki Ohmura and Yasuo Kuniyoshi},
journal= {arXiv preprint arXiv:2203.09749},
year = {2025}
}
备注
19 pages, published in Transactions on Robotics (T-RO)