从仿真中学习协作以辅助机器人穿衣

我们研究了触觉反馈控制与深度强化学习（DRL）在机器人辅助穿衣中的应用。我们的方法利用 DRL，通过物理仿真同时将人类与机器人控制策略作为独立的神经网络进行训练。此外，我们建模了与穿衣相关的各类人体功能障碍，包括单侧肌肉无力、不自主手臂运动以及活动受限。我们的方法所得到的控制策略能在涉及病号服与 T 恤的多种仿真穿衣任务中成功协作。此外，我们在仿真中训练得到的策略使一台真实 PR2 机器人能用病号服为一台人形机器人的手臂穿衣。我们发现，针对特定障碍训练策略显著提升了性能；控制器执行速度可在训练后缩放以降低机器人速度而不致性能陡降；课程学习可用于降低施加的力；以及多模态感知（包括一个仿真的电容传感器）改善了性能。