面向高效非抓取式重排规划的操纵状态与动作学习
机器人学
2019-01-14 v1
摘要
本文研究非抓取式重排规划问题，其中机器人需在平面表面上于障碍物间重排物体。我们提出一种高效规划算法，该算法对机器人的非抓取式操纵能力施加较少假设，且易于适配不同机器人本体。为此，我们将基于采样的运动规划与强化学习和生成建模相结合。我们的算法将物体与机器人的复合构型空间探索视为对机器人动作的搜索，并在物理模型中前向模拟。该搜索由生成模型引导，该模型提供可使物体被运送至期望状态的机器人状态，以及提供相应机器人动作的习得策略。作为高效生成模型，我们应用生成对抗网络（GAN）。我们在具有 SE(2) 中构型空间的机器人上实现并评估了我们的方法。我们通过实验证明了算法设计选择的有效性，并观察到与最先进方法相比，在各种测试场景中的规划时间提速超过 2 倍。
引用
@article{arxiv.1901.03557,
title = {Learning Manipulation States and Actions for Efficient Non-prehensile Rearrangement Planning},
author = {Joshua A. Haustein and Isac Arnekvist and Johannes Stork and Kaiyu Hang and Danica Kragic},
journal= {arXiv preprint arXiv:1901.03557},
year = {2019}
}