基于动作相关位置的鲁棒移动操作学习与推理
机器人学
2014-01-21 v1 人工智能
摘要
我们提出了动作相关位置（Action-Related Place, ARPlace）的概念，作为移动操作背景下任务相关位置的一种强大且灵活的表示。ARPlace 将机器人基座位置表示为不是单一位置，而是一组位置的集合，其中每个位置都关联着当机器人位于该处时操作动作成功的概率。ARPlace 通过基于经验学习获取的预测模型生成，并考虑了机器人对自身位置及待操作物体位置的不确定性。在执行任务时，机器人不是仅基于关于任务上下文的初始知识来选择一个特定的目标位置，而是实例化一个 ARPlace，并基于该 ARPlace 进行决策；随着关于任务的新信息变得可用，该 ARPlace 会不断更新。为了展示这种最小承诺方法的优势，我们提出了一种转换规划器，通过对 ARPlace 进行推理来优化符号规划。我们的实证评估表明，在面临状态估计不确定性的情况下，使用 ARPlace 使得我们的仿真机器人能够实现更鲁棒、更高效的移动操作。
引用
@article{arxiv.1401.4599,
title = {Learning and Reasoning with Action-Related Places for Robust Mobile Manipulation},
author = {Freek Stulp and Andreas Fedrizzi and Lorenz Mösenlechner and Michael Beetz},
journal= {arXiv preprint arXiv:1401.4599},
year = {2014}
}