学习灵巧的店内操作
机器学习
2019-01-23 v5 人工智能
机器人学
机器学习
摘要
我们使用强化学习（RL）来学习灵巧的店内操作策略，这些策略能在物理Shadow Dexterous Hand上执行基于物体的视觉重定向。训练在模拟环境中进行，其中我们对系统的许多物理属性（如摩擦系数和物体外观）进行了随机化。尽管我们的策略完全在模拟中训练，它们仍能迁移到物理机器人上。我们的方法不依赖任何人类示范，但人类操作中的许多行为会自然涌现，包括手指步态、多指协调以及对重力的受控利用。我们的结果使用与训练OpenAI Five相同的分布式RL系统获得。我们还包含了一段结果视频：https://youtu.be/jwSbzNHGflM
引用
@article{arxiv.1808.00177,
title = {Learning Dexterous In-Hand Manipulation},
author = {OpenAI and Marcin Andrychowicz and Bowen Baker and Maciek Chociej and Rafal Jozefowicz and Bob McGrew and Jakub Pachocki and Arthur Petron and Matthias Plappert and Glenn Powell and Alex Ray and Jonas Schneider and Szymon Sidor and Josh Tobin and Peter Welinder and Lilian Weng and Wojciech Zaremba},
journal= {arXiv preprint arXiv:1808.00177},
year = {2019}
}
备注
Making OpenAI the first author. We wish this paper to be cited as "Learning Dexterous In-Hand Manipulation" by OpenAI et al. We are replicating the approach from the physics community: arXiv:1812.06489