学习用于力交互技能的运动评估基元
机器人学
2018-05-14 v1
摘要
我们提出一种新颖、可复用且任务无关的基元，用于评估力交互机器人技能的结果，其可用于例如工业制造中的质量控制等应用。所提方法通过示教编程轻松实现，并且通过机器学习模型达到所需的适应性与可复用性。该基元在运动演示与复现过程中记录传感数据。记录包括每个时间步末端执行器的笛卡尔位姿与施加的扳手。随后收集的数据用于训练高斯过程，其建立扳手作为机器人位姿函数的模型。演示的扳手模型与运动复现的扳手模型之间的相似性通过测量其 Hellinger 距离得到。该比较产生特征，作为朴素贝叶斯分类器的输入，用于估计运动成功的概率。评估在两个不同的机器人装配任务——卡扣配合与拧螺丝——上进行，共计 5 个用例、11 次演示与超过 200 次运动执行。性能指标证明了所提方法对不同演示与运动泛化的能力。
引用
@article{arxiv.1805.04354,
title = {Learning Movement Assessment Primitives for Force Interaction Skills},
author = {Xiang Zhang and Athanasios S. Polydoros and Justus Piater},
journal= {arXiv preprint arXiv:1805.04354},
year = {2018}
}