利用最少模拟器运行次数学习工业卸卡车机器人最优决策

考虑一辆装满尺寸各异且质量未知的箱子的卡车，以及一个配备可从任意可达位置卸载多个箱子的末端执行器的工业机器人。本工作中，我们研究该机器人如何借助模拟器学习使每次动作卸载的箱子数量最大化。我们这类高保真机器人模拟器大多耗时。因此，我们在聚焦最小化所需模拟运行次数的前提下研究上述学习问题。此设定下的最优决策问题可表述为多类分类问题。然而，获取任一动作的结果都需运行耗时的模拟器，从而限制了可收集的训练数据量。因而，我们需要一种数据高效的方法来学习分类器并以最少数据泛化。基于高保真物理的模拟器在涉及多体交互的复杂操作任务中普遍常见。为此，我们训练最优决策树作为分类器，并对决策树每个分支使用可能近似正确（PAC）框架推理决策置信度，以确定更多模拟器数据是否有助于达到特定置信水平。这为我们提供了一种机制，用以评估某些决策何时可避免模拟，以及何时模拟可改进决策。对于卸卡车问题，实验表明相较朴素运行模拟器收集数据训练性能相当的决策树，所提方法能显著减少模拟器运行次数。