隐式运动学策略：在端到端机器人学习中统一关节与笛卡尔动作空间

动作表示是深度网络端到端机器人学习中重要却常被忽视的方面。选择某一动作空间而非另一动作空间（例如目标关节位置，或笛卡尔末端执行器位姿）会导致各下游任务间出人意料地巨大的性能差异——因此大量研究致力于为给定应用寻找合适动作空间。然而，本工作中我们转而探究模型如何自行发现并学习使用何种动作空间。借助近期将观测与动作同时作为输入的隐式行为克隆工作，我们证明可向同一策略呈现同一动作在多个不同空间中的表达——使其从各空间中学习归纳模式。具体地，我们在学习操纵技能的语境下研究结合笛卡尔与关节动作空间的优势。为此，我们提出隐式运动学策略（IKP），其将运动链作为可微分模块嵌入深度网络。在若干模拟连续控制任务（从舀取小物体堆、用肘部抬箱，到利用未标定机器人进行精确方块插入）上的定量实验表明，IKP不仅比基线替代方案更好地从像素学习复杂抓取与非抓取操纵，还能学习补偿微小关节编码器偏移误差。最后，我们还在真实UR5e上进行定性实验，以证明我们的算法在真实机器人系统与实际数据上的可行性。代码与补充材料见 https://tinyurl.com/4wz3nf86。