基于参数偏置的仿生学习中的运动风格约束
机器人学
2024-07-12 v1
摘要
仿生学习是一种能够适应性地复现人类演示的方法。迄今为止，发现仿生学习的泛化能力使机器人能够在未训练的环境中灵活地执行任务。然而，运动风格如运动轨迹和施加力的大小等很大程度上取决于人类演示的数据集，并趋于平均运动风格。在本研究中，我们提出了一种方法向常规仿生学习网络添加参数偏置，可以对运动风格添加约束。通过使用PR2和肌肉仿生人体MusashiLarm进行实验，我们展示了可以通过对关节速度、肌肉长度速度和肌肉张力施加约束来改变其运动风格来执行任务。
引用
@article{arxiv.2407.08057,
title = {Imitation Learning with Additional Constraints on Motion Style using Parametric Bias},
author = {Kento Kawaharazuka and Yoichiro Kawamura and Kei Okada and Masayuki Inaba},
journal= {arXiv preprint arXiv:2407.08057},
year = {2024}
}
备注
Accepted at IEEE Robotics and Automation Letters