ILBiT：基于双边控制与 Transformer 的机器人位置与扭矩信息模仿学习
机器人学
2024-02-06 v2
摘要
机器人手臂的自主操作是机器人学中一个复杂且不断发展的研究领域。本文通过聚焦于模仿学习 (IL)，为这一挑战引入了一种创新方法。与传统的模仿方法不同，我们的方法使用基于双边控制的 IL，从而实现更精确、适应性更强的机器人运动。传统的基于双边控制的 IL 方法依赖于长短期记忆 (LSTM) 网络。在本文中，我们提出了基于双边控制与 Transformer 的机器人位置与扭矩信息模仿学习 (ILBiT)。该方法采用了 Transformer 模型，该模型以其在处理多样化数据集方面的鲁棒性能以及超越 LSTM 局限性的能力而闻名，尤其是在需要精细力调整的任务中。ILBiT 的一个突出特点是其 100 Hz 的高频操作，这显著提高了系统对不同环境和不同硬度物体的适应性和响应能力。通过全面的真实世界实验，可以观察到基于 Transformer 的 ILBiT 方法的有效性。
引用
@article{arxiv.2401.16653,
title = {ILBiT: Imitation Learning for Robot Using Position and Torque Information based on Bilateral Control with Transformer},
author = {Masato Kobayashi and Thanpimon Buamanee and Yuki Uranishi and Haruo Takemura},
journal= {arXiv preprint arXiv:2401.16653},
year = {2024}
}