学习检索运动规划的相关经验
机器人学
2022-04-20 v1
摘要
近期工作表明，通过从数据库中检索过往经验，可显著提升运动规划器的性能。通常，使用定义在运动规划问题上的相似度函数，从经验数据库中查询过往相似问题。然而，迄今为止，大多数工作依赖简单的手工设计相似度函数，且无法在其相应训练数据集之外泛化。为克服该局限，我们提出 FIRE 框架，其提取规划问题的局部表示并学习其上的相似度函数。为生成训练数据，我们引入一种新颖的自监督方法，从过往求解路径中识别局部基元的相似与不相似对。利用这些配对，以对比损失训练孪生网络，并在网络隐空间中实现相似度函数。我们在含感知环境的五类运动规划问题上，于一个 8 自由度机械臂上评估 FIRE。实验表明，即便在训练分布之外的问题中，FIRE 也能检索到相关经验，从而有针对性地为基于采样的规划器提供引导，优于其他基线方法。
引用
@article{arxiv.2204.08550,
title = {Learning to Retrieve Relevant Experiences for Motion Planning},
author = {Constantinos Chamzas and Aedan Cullen and Anshumali Shrivastava and Lydia E. Kavraki},
journal= {arXiv preprint arXiv:2204.08550},
year = {2022}
}
备注
Accepted in International Conference on Robotics and Automation (ICRA), 2022. Code will be released soon