实现视野外机器人操作的主动颈部运动模仿学习
机器人学
2025-06-24 v1
摘要
以往大多数深度模仿学习的研究主要使用固定摄像机进行图像输入，这将任务性能限制在预定义的视野内。然而，使机器人能够主动操纵其颈部可以显著扩大模仿学习的范围，以涵盖更广泛的任务和富有表现力的动作，例如颈部手势。为了在能够进行颈部运动的机器人中促进模仿学习，同时进行物体操作，我们提出了一种教学系统，该系统系统地收集包含颈部运动的数据集，同时最大限度地减少遥操作期间由动态视角引起的不适。此外，我们提出了一种用于学习包含主动颈部运动的操作任务的新型网络模型。实验结果表明，无论主动颈部运动引起的视角变化如何干扰，我们的模型都能达到约 90% 的高成功率。此外，所提出的模型在具有挑战性的场景中被证明特别有效，例如当物体位于边缘或超出标准视野时，传统模型在这些场景下会陷入困境。所提出的方法提高了数据集收集的效率，并将模仿学习的适用性扩展到更复杂和动态的场景。
引用
@article{arxiv.2506.17624,
title = {Imitation Learning for Active Neck Motion Enabling Robot Manipulation beyond the Field of View},
author = {Koki Nakagawa and Yoshiyuki Ohmura and Yasuo Kuniyoshi},
journal= {arXiv preprint arXiv:2506.17624},
year = {2025}
}
备注
6 pages