MAkEable：面向可迁移移动操作技能的以记忆为中心且基于可供性的任务执行框架
机器人学
2024-03-22 v2
摘要
为了在以人为中心的环境中执行通用的移动操作任务，将学习到的任务和经验从一个机器人高效地迁移到另一个机器人或跨不同环境的能力是关键。在本文中，我们提出了 MAkEable，一个通用的单手和双手移动操作框架，它促进了跨不同任务、环境和机器人的能力和知识迁移。我们的框架将基于可供性的任务描述集成到 ARMAR 人形机器人族的以记忆为中心的认知架构中，该架构支持共享经验和演示以进行迁移学习。通过可供性（即机器人与环境的交互可能性）来表示移动操作动作，我们为在各种环境中自主单手和双手操作已知和未知物体提供了一个统一的框架。我们在多个机器人、任务和环境的真实世界实验中展示了该框架的适用性。这包括抓取已知和未知物体、物体放置、双手物体抓取、在两个不同人形机器人之间进行抽屉开启场景的记忆使能技能迁移，以及从人类演示中学习的倾倒任务。
引用
@article{arxiv.2401.16899,
title = {MAkEable: Memory-centered and Affordance-based Task Execution Framework for Transferable Mobile Manipulation Skills},
author = {Christoph Pohl and Fabian Reister and Fabian Peller-Konrad and Tamim Asfour},
journal= {arXiv preprint arXiv:2401.16899},
year = {2024}
}