基于强化学习学习的规划与调度中的双臂机器人技能
机器人学
2026-02-06 v2 人工智能
摘要
长期尺度的接触丰富型双臂操控是一项重大挑战, 需要涉及平行执行和臂间顺序协作的复杂协调. 本文引入了一个分层框架, 将这一挑战建模为集成的技能规划与调度问题, 超越纯粹的顺序决策, 支持同时调用技能. 我们的方法基于单臂和双臂原始技能的库, 每个技能均使用在 GPU 加速的仿真环境中进行强化学习训练. 我们随后在技能组合数据集上训练一个基于 Transformer 的规划器, 作为高级调度器, 同时预测技能的离散调度以及它们的连续参数. 我们演示了本方法在复杂接触丰富任务上的成功率高于端到端强化学习方法, 并在传统顺序式规划器的效率和协调性方面表现更佳.
关键词
引用
@article{arxiv.2510.25634,
title = {Learning to Plan & Schedule with Reinforcement-Learned Bimanual Robot Skills},
author = {Weikang Wan and Fabio Ramos and Xuning Yang and Caelan Garrett},
journal= {arXiv preprint arXiv:2510.25634},
year = {2026}
}