将先验知识融入强化学习以实现自主抓取点选择的软组织操作
机器人学
2023-12-27 v3
摘要
以往的软组织操作研究假设抓取点已知且可达到目标形变。操作过程中，约束被认为恒定，且软组织周围无障碍物。为超越这些假设，本文提出一种带先验知识的深度强化学习框架，用于在未知约束（如筋膜施加的力）下的软组织操作。先验知识通过一种直观的操作策略来表示。作为智能体的动作，一个调节因子用于协调直观方法与审慎网络。设计了一种奖励函数以平衡大形变下的探索与利用。成功的仿真结果验证了所提框架能够在避开障碍物并新增位置约束的同时操作软组织。与软 actor-critic（SAC）算法相比，所提框架能加速训练过程并提升泛化能力。
引用
@article{arxiv.2207.10438,
title = {Incorporating Prior Knowledge into Reinforcement Learning for Soft Tissue Manipulation with Autonomous Grasping Point Selection},
author = {Xian He and Shuai Zhang and Shanlin Yang and Bo Ouyang},
journal= {arXiv preprint arXiv:2207.10438},
year = {2023}
}
备注
The manuscript requires major revision