通过可微优化学习机器人技能的序列与混合
机器人学
2022-06-02 v1
摘要
与天然执行无缝运动的人类和动物不同，学习和平滑执行动作序列在机器人学中仍是一项挑战。本文提出一种新颖的技能无关框架，基于可微优化学习技能的序列与混合。我们的方法将先前定义的技能序列编码为二次规划（QP），其参数决定任务中技能的相对重要性。然后，通过利用可微优化层以及由 QP 最优条件制定的定制损失，从演示中学习无缝技能序列。借助可微优化，我们的工作为多任务控制提供了新视角。我们在平面机器人的拾放场景、真实人形机器人的倒水实验以及人体模型的两臂清扫任务中验证了方法。
引用
@article{arxiv.2206.00559,
title = {Learning to Sequence and Blend Robot Skills via Differentiable Optimization},
author = {Noémie Jaquier and You Zhou and Julia Starke and Tamim Asfour},
journal= {arXiv preprint arXiv:2206.00559},
year = {2022}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters. Video: https://youtu.be/00NXvTpL-YU, code: https://github.com/NoemieJaquier/sequencing-blending/