利用 DART 深度模仿学习实现鲁棒叠被
机器人学
2017-11-08 v1
摘要
叠被是一项普遍的家务任务，由于伸展动作对老年人可能具有挑战性。自动化叠被存在多个技术挑战，例如非结构化环境中的感知、可变形物体操控、避障与序贯决策。我们探索了 DART（一种用于学习鲁棒策略的示教学习算法）如何应用于使用丰田人类支持机器人（HSR）在无基准标记情况下自动化叠被。通过收集人类抓取床单与失败检测的演示，我们可以学习利用预训练 YOLO 特征的深度神经网络策略来自动化该任务。在 1/2 比例双人床及床上放置干扰物的实验中，基于 50 次 DART 演示学习的策略实现了 96% 的床单覆盖率，比使用轮廓检测的角落检测器基线高出 200% 以上。
引用
@article{arxiv.1711.02525,
title = {Learning Robust Bed Making using Deep Imitation Learning with DART},
author = {Michael Laskey and Chris Powers and Ruta Joshi and Arshan Poursohi and Ken Goldberg},
journal= {arXiv preprint arXiv:1711.02525},
year = {2017}
}