基于 NICO 与 Grow-When-Required 网络自主学习抓取物体
机器人学
2022-10-18 v2 人工智能
摘要
抓取物体这一动作对机器人智能体而言是一项基础而复杂的技能，需要高度的视觉运动控制与协调能力。考虑到动态环境，期望机器人能够自主适应新情况。本文采用发展机器人学方法，在 NICO（Neuro-Inspired COmpanion）平台上自主学习视觉运动协调，以完成物体抓取任务。机器人通过与环境的互动，基于赫布学习建立运动指令与时间相关的感官知觉之间的关联。使用多个 Grow-When-Required（GWR）网络学习日益复杂的运动行为：首先学习将视线朝向视觉刺激，接着学习手臂的运动控制，最后学习利用眼手协调抓取物体。我们展示了该模型能够处理 NICO 身体中未曾预料的机械变化，表明了所提方法的适应性。在我们的方法评估中，我们显示人形机器人 NICO 能够以 76% 的成功率抓取物体。
引用
@article{arxiv.2210.07851,
title = {Learning to Autonomously Reach Objects with NICO and Grow-When-Required Networks},
author = {Nima Rahrakhshan and Matthias Kerzel and Philipp Allgeuer and Nicolas Duczek and Stefan Wermter},
journal= {arXiv preprint arXiv:2210.07851},
year = {2022}
}
备注
Accepted at the 2022 IEEE-RAS International Conference on Humanoid Robots (Humanoids 2022)