从演示中学习深度参数化技能以实现可重定向视觉运动控制
机器人学
2021-03-02 v2 机器学习
摘要
机器人需要学习不仅能够跨相似问题泛化，而且能被指向特定目标的技能。先前的方法要么为每个不同目标训练新技能，要么在存在多个目标时无法从视觉数据推断特定目标。我们引入了一种端到端方法，将可定向的视觉运动技能表示为目标参数化神经网络策略。通过在带有相关目标参数的可用目标信息子集上训练，我们能够学习到可以对先前未见目标进行零样本泛化的策略。我们在按钮网格的代表性2D仿真中以及在不同物理臂上的按钮按压和插孔任务上评估了我们的方法。我们证明，我们在可能目标的33%上训练的模型能够在仿真和机器人实验中泛化到场景中超过90%的目标。我们还成功学习了从目标像素坐标到机器人策略的映射以完成指定目标。
引用
@article{arxiv.1910.10628,
title = {Learning Deep Parameterized Skills from Demonstration for Re-targetable Visuomotor Control},
author = {Jonathan Chang and Nishanth Kumar and Sean Hastings and Aaron Gokaslan and Diego Romeres and Devesh Jha and Daniel Nikovski and George Konidaris and Stefanie Tellex},
journal= {arXiv preprint arXiv:1910.10628},
year = {2021}
}
备注
Preprint