面向高精度插孔任务的模仿学习
机器人学
2021-01-05 v1 机器学习
摘要
即便至今日，工业机器 manipulator 仍无法匹配人类执行富接触任务的精度与速度。因此，作为克服此差距的手段，我们展示了在 6 自由度机器人 manipulator 上模仿插孔插入任务的生成方法。具体而言，使用生成对抗模仿学习（GAIL）在 Yaskawa GP8 工业机器上以 10 微米与 6 微米插孔间隙成功完成该任务。实验结果表明，该策略从机器人上少量人类专家演示（即 < 10 次遥操作机器人演示）中在 20 个回合内成功学习。插入时间从 > 20 秒（也包括失败插入）改善至 < 15 秒，从而验证了该方法的有效性。
引用
@article{arxiv.2101.01052,
title = {Imitation Learning for High Precision Peg-in-Hole Tasks},
author = {Sagar Gubbi and Shishir Kolathaya and Bharadwaj Amrutur},
journal= {arXiv preprint arXiv:2101.01052},
year = {2021}
}
备注
Accepted at ICCAR 2020