基于多种几何的操纵技能模仿
机器人学
2022-07-22 v3 机器学习
摘要
日常操纵任务的特征在于与动作和物体形状相关的几何基元。仅使用笛卡尔坐标系难以表征此类几何描述子。本文提出一种学习方法，从坐标系字典中提取最优表示以编码观察到的运动/行为。这是通过使用黎曼流形上高斯分布的扩展实现的，该扩展通过考虑多种几何作为任务的候选表示，来统计地分析一组用户示范。我们将复现问题表述为基于迭代线性二次调节器（iLQR）的一般最优控制问题，其中提取的坐标系中的高斯分布用于定义代价函数。我们将该方法应用于仿真中以及 7 轴 Franka Emika 机器人上的物体抓取和开箱任务。结果表明，机器人可利用若干几何来执行操纵任务并将其泛化到新情境，同时在感兴趣的坐标系中保持任务的不变特征。
引用
@article{arxiv.2203.01171,
title = {Imitation of Manipulation Skills Using Multiple Geometries},
author = {Boyang Ti and Yongsheng Gao and Jie Zhao and Sylvain Calinon},
journal= {arXiv preprint arXiv:2203.01171},
year = {2022}
}