从经验与模仿中学习灵巧操控策略

Vikash Kumar; Abhishek Gupta; Emanuel Todorov; Sergey Levine

从经验与模仿中学习灵巧操控策略

机器学习 2016-11-17 v1 机器人学系统与控制

作者: Vikash Kumar , Abhishek Gupta , Emanuel Todorov , Sergey Levine

摘要

我们探索了基于学习的方法，用于对执行非抓取式操控的灵巧五指手进行反馈控制。首先，我们学习能够在预定义初始状态下执行任务的局部控制器。这些控制器利用轨迹优化构建，优化基于直接从传感器数据学得的局部线性时变模型。在某些情况下，我们通过在虚拟环境中遥操作收集的人类演示来初始化优化器。我们证明，此类控制器能在仿真和物理平台上，针对围绕训练起始状态的有限初始条件范围，鲁棒地完成任务。随后，我们考虑了两种将控制器推广到更广泛初始条件的插值方法：深度学习和最近邻。我们发现最近邻方法取得了更高的性能。尽管如此，神经网络有其优势：它仅使用触觉和本体感觉反馈，无需关于物体的视觉反馈（即盲操作），并学习了一个时不变策略。相比之下，最近邻方法基于通过运动捕捉感知的初始物体状态的邻近程度，在不同的时变局部控制器之间切换。虽然两种泛化方法都有改进空间，但我们的工作表明：(i) 用于复杂非抓取式操控任务的基于局部轨迹的控制器，可以由惊人的少量训练数据构建；(ii) 此类控制器的集合可以被插值以形成更全局的控制器。结果总结在补充视频中：https://youtu.be/E0wmO6deqjo

关键词

灵巧操控非抓取式操控基于学习的控制轨迹优化模仿学习最近邻深度学习触觉反馈

引用

@article{arxiv.1611.05095,
  title  = {Learning Dexterous Manipulation Policies from Experience and Imitation},
  author = {Vikash Kumar and Abhishek Gupta and Emanuel Todorov and Sergey Levine},
  journal= {arXiv preprint arXiv:1611.05095},
  year   = {2016}
}

备注

Initial draft for a journal submission

从经验与模仿中学习灵巧操控策略

摘要

关键词

引用

备注

相关论文