杂乱环境中类人规划的抓取可达运动
机器人学
2020-03-05 v2 机器学习
摘要
与机器人相比,人类在杂乱环境中抓取物体时异常熟练。现有最好的机器人规划器基于构型空间的随机采样——当物体数量很大时,其维度过高。因此,大多数规划器常无法在此类环境中高效地找到物体操控规划。我们通过识别人类的高层操控规划,并将这些技能迁移到机器人规划器来解决该问题。我们使用虚拟现实捕捉人类参与者在布满障碍的桌面上伸手抓取目标物体的过程。由此,我们设计了一种任务空间的定性表示,以抽象决策过程,而不受障碍物数量影响。基于此表示,人类演示被分割并用于训练决策分类器。利用这些分类器,我们的规划器在任务空间中生成路点列表。这些路点提供了高层规划,可迁移至任意机器人模型并用于初始化局部轨迹优化器。我们通过在未见过的人类 VR 数据、基于物理的机器人仿真和真实机器人(数据集与代码公开可用)上进行测试来评估该方法。我们发现,类人规划器优于最先进的的标准轨迹优化算法,并能够生成快速规划的有效策略——与环境中的障碍物数量无关。
引用
@article{arxiv.2002.12738,
title = {Human-like Planning for Reaching in Cluttered Environments},
author = {Mohamed Hasan and Matthew Warburton and Wisdom C. Agboh and Mehmet R. Dogar and Matteo Leonetti and He Wang and Faisal Mushtaq and Mark Mon-Williams and Anthony G. Cohn},
journal= {arXiv preprint arXiv:2002.12738},
year = {2020}
}
备注
To be published in ICRA 2020