用于机器人的无仿真强化学习装袋框架学习
机器人学
2023-10-24 v1 人工智能
摘要
装袋是人类日常活动中执行的一项基本技能。然而,诸如袋子之类的可变形物体对机器人而言操纵起来十分复杂。本文提出一种高效的基于学习的框架,使机器人能够学习装袋。该框架的新颖之处在于其能够在无需依赖仿真的情况下执行装袋。学习过程通过本文引入的一种强化学习算法完成,该算法旨在基于一组紧凑的状态表示找到袋子的最佳抓取点。该框架利用一组基本动作并将任务表示为五种状态。在我们的实验中,当装袋任务分别从折叠和展开状态开始时,该框架在真实世界中训练约三小时后分别达到60%和80%的成功率。最后,我们用另外两种不同尺寸的袋子测试训练好的模型以评估其泛化能力。
引用
@article{arxiv.2310.14398,
title = {Learning to bag with a simulation-free reinforcement learning framework for robots},
author = {Francisco Munguia-Galeano and Jihong Zhu and Juan David Hernández and Ze Ji},
journal= {arXiv preprint arXiv:2310.14398},
year = {2023}
}
备注
IET Cyber-Systems and Robotics