基于潜规划的杂乱场景抓取的分层策略
机器人学
2022-01-12 v3
摘要
杂乱场景中的 6D 抓取是机器人操作中的一个长期问题。开环操作流水线可能因状态估计不准而失败，而大多数端到端抓取方法尚未扩展到带障碍的复杂场景。在本工作中，我们提出一种用于杂乱场景中 6D 抓取端到端学习的新方法。我们的分层框架基于部分点云观测学习无碰撞的目标驱动抓取。我们在训练时学习一个嵌入空间以编码专家抓取规划，并训练一个变分自编码器在测试时采样多样的抓取轨迹。此外，我们训练一个评论家网络用于规划选择，以及一个选项分类器用于通过分层强化学习切换到实例抓取策略。我们在仿真中评估了我们的方法并与若干基线比较，同时展示了我们的潜规划可泛化到真实世界的杂乱场景抓取任务。我们的视频与代码见 https://sites.google.com/view/latent-grasping 。
引用
@article{arxiv.2107.01518,
title = {Hierarchical Policies for Cluttered-Scene Grasping with Latent Plans},
author = {Lirui Wang and Xiangyun Meng and Yu Xiang and Dieter Fox},
journal= {arXiv preprint arXiv:2107.01518},
year = {2022}
}