学习状态条件线性映射以实现机器人机械臂的低维控制

确定一个能简化控制方案的合适任务空间对于解决机器人操作问题至关重要。解决此问题的一种方法是学习一个合适的低维动作空间。线性和非线性动作映射方法在简单性与在单一低维子空间外表达运动指令的能力之间各有权衡。我们提出，学习能根据机器人当前构型自适应的局部线性动作表示可以同时获得这两种优势。我们的状态条件线性映射确保对于任何给定状态，高维机器人驱动在低维动作中是线性的。随着机器人状态的演变，动作映射也随之变化，从而确保能够表示当前即刻所需的运动。这些局部线性表示在设计上保证了理想的理论特性，我们通过两项用户研究实证验证了这些发现。结果表明，在拾取-放置任务中，状态条件线性映射优于条件自编码器和PCA基线，并在更复杂的倾倒任务中表现出与模式切换相当的性能。