基于强化学习的人形机器人协调任务学习
机器人学
2018-05-10 v1
摘要
随着人工智能与机器学习的兴起,人形机器人被赋予学习人类所拥有的多种技能的能力。人类在日常活动中使用的一项基本技能是用双手协调执行任务。对于人形机器人而言,学习此类技能需要最优运动规划,包括避免与周围环境发生碰撞。本文提出一种基于DiGrad(一种面向连续动作空间的多任务强化学习算法)在杂乱环境中学习协调任务的框架。此外,我们提出一种算法以平滑该框架得到的关节空间轨迹,从而降低训练过程中引入的噪声。所提框架在一个具有铰接躯干的27自由度(DoF)人形机器人上进行了测试,令其双手在四种不同难度级别的环境中执行协调物体抓取任务。观察到该人形机器人能够实时规划无碰撞轨迹。仿真结果也揭示了铰接躯干对于执行需要双臂协调的任务的效用。
引用
@article{arxiv.1805.03584,
title = {Learning Coordinated Tasks using Reinforcement Learning in Humanoids},
author = {S Phaniteja and Parijat Dewangan and Pooja Guhan and K Madhava Krishna and Abhishek Sarkar},
journal= {arXiv preprint arXiv:1805.03584},
year = {2018}
}