从稀疏演示中学习
机器人学
2022-08-10 v3 机器学习
系统与控制
系统与控制
摘要
本文提出连续 Pontryagin 可微规划(Continuous PDP)方法,使机器人能从少量稀疏演示的关键帧中学习目标函数。这些带有若干时间戳的关键帧是期望的任务空间输出,机器人应按顺序跟随。关键帧的时间戳可与机器人实际执行时间不同。该方法联合求解一个目标函数与时间扭曲函数,使得机器人所得轨迹以最小差异损失按顺序跟随关键帧。Continuous PDP 通过投影梯度下降最小化差异损失,高效求解机器人轨迹相对于未知参数的梯度。该方法先在仿真机械臂上评估,随后应用于 6-DoF 四旋翼以在未知环境中学习用于运动规划的目标函数。结果表明了该方法的效率、处理关键帧与机器人执行间时间错位的能力,以及目标学习对未见运动条件的泛化能力。
引用
@article{arxiv.2008.02159,
title = {Learning from Sparse Demonstrations},
author = {Wanxin Jin and Todd D. Murphey and Dana Kulić and Neta Ezer and Shaoshuai Mou},
journal= {arXiv preprint arXiv:2008.02159},
year = {2022}
}
备注
This is a preprint. The published version can be accessed at IEEE Transactions on Robotics