两个异构拟人机械臂间基于度量的模仿学习
机器人学
2020-03-06 v1 机器学习
机器学习
摘要
开发能够从人类演示中学习以模仿期望行为（而非手动编程）的自主机器人系统具有巨大的技术潜力。模仿学习中的一个主要挑战是对应问题：当专家与学习器的载体不同（形态、动力学、自由度等）时，如何建立它们之间的对应状态与动作。许多现有模仿学习方法规避了对应问题，例如在机器人上进行的运动示教或遥操作。本工作中，我们通过引入一种异构载体间的距离度量来显式解决对应问题。该度量随后被用作静态姿态模仿的损失函数，以及在一个无模型深度强化学习框架中用于两个拟人机械臂间动态运动模仿的反馈信号。我们发现该度量很适合描述载体间的相似性，并可通过距离最小化学习模仿策略。
引用
@article{arxiv.2003.02638,
title = {Metric-Based Imitation Learning Between Two Dissimilar Anthropomorphic Robotic Arms},
author = {Marcus Ebner von Eschenbach and Binyamin Manela and Jan Peters and Armin Biess},
journal= {arXiv preprint arXiv:2003.02638},
year = {2020}
}
备注
8 pages, 5 figures, submitted to IEEE Robotics and Automation Letters/IROS 2020