KARL：卡尔曼滤波辅助的强化学习者用于动态物体跟踪与抓取
机器人学
2025-06-23 v1
摘要
我们提出 Kalman 滤波辅助的强化学习者（Kalman-filter Assisted Reinforcement Learner，KARL），用于眼部握持（eye-on-hand，EoH）系统中的动态物体跟踪与抓取，显著扩展了该系统在具有挑战性的真实环境中的能力。与之前的最先进方法相比，KARL (1) 融入了一种新的六阶段强化学习课程，将系统的运动范围翻倍，从而大大提升了系统的抓取性能；(2) 在感知与强化学习（RL）控制模块之间集成一个稳健的卡尔曼滤波层，使系统能够在目标物体暂时离开摄像头视野或发生快速、不可预测运动时，维持一个虽不确定但连续的 6D 位姿估计；(3) 引入机制，允许在不可避免的策略执行失败时优雅地恢复。我们在仿真和真实世界的广泛评估中，对 KARL 相对于早期系统的优势进行了定性和定量的证明，实现了更高的抓取成功率和更快的机器人执行速度。KARL 的源代码和补充材料将在 https://github.com/arc-l/karl 上公开。
引用
@article{arxiv.2506.15945,
title = {KARL: Kalman-Filter Assisted Reinforcement Learner for Dynamic Object Tracking and Grasping},
author = {Kowndinya Boyalakuntla and Abdeslam Boularias and Jingjin Yu},
journal= {arXiv preprint arXiv:2506.15945},
year = {2025}
}