探究非线性动作映射在数据驱动遥操作中的优势

随着机器人越来越普遍地服务于健全人士和残障人士,让非专业人员能够使用低维控制器驱动多自由度平台变得日益重要。一种方法是使用状态条件动作映射方法来学习低维控制器和高自由度机械臂之间的映射——先前的研究表明,这些映射可以简化用户的遥操作体验。最近的研究表明,预测局部线性函数的神经网络优于典型的端到端多层感知器,因为它们允许用户更容易地撤销动作,从而提供对系统更多的控制。然而,局部线性模型假设动作存在于一个线性子空间,可能无法捕捉训练数据中的细微动作。我们观察到这些映射的好处在于它们关于用户动作是奇函数,并提出实现这一性质的端到端非线性动作映射。不幸的是,我们的实验表明,这种修改相对于先前的解决方案提供的优势微乎其微。我们发现,非线性奇函数在大部分控制空间中表现为线性,这表明架构结构的改进并非数据驱动遥操作的主要因素。我们的结果表明,其他途径,如数据增强技术和人类行为分析,对于动作映射在现实世界应用(例如辅助机器人技术中改善残障人士生活质量)中变得实用是必要的。