基于强化学习的长时延下手臂外骨骼模型介导遥操作
机器人学
2021-07-02 v1 人工智能
机器学习
摘要
遥机器人系统必须适应新的环境条件，并处理由长时延引起的高不确定性。作为类人智能的最佳替代方案之一，强化学习（RL）可能提供应对这些问题的方案。本文提议将 RL 与模型介导遥操作（MMT）概念相集成。遥操作员与提供即时反馈的模拟虚拟环境交互。而来自真实环境的反馈是延迟的，来自模型的反馈是瞬时的，从而带来高透明度。MMT 与具有两层的智能系统结合实现。第一层利用动态运动基元（DMP），其解释化身环境中的某些变化。第二层使用 RL 方法解决由模型中不确定性引起的问题。还提供了增强现实以融合化身设备和虚拟环境模型供遥操作员使用。在 DLR 的 Exodex Adam 手臂触觉外骨骼上实现，结果表明当演示后将物体位置施加变化，RL 方法能够找到不同的解决方案。结果还显示 DMP 在适应无不确定性涉及的新条件方面是有效的。
引用
@article{arxiv.2107.00359,
title = {Model Mediated Teleoperation with a Hand-Arm Exoskeleton in Long Time Delays Using Reinforcement Learning},
author = {Hadi Beik-Mohammadi and Matthias Kerzel and Benedikt Pleintinger and Thomas Hulin and Philipp Reisich and Annika Schmidt and Aaron Pereira and Stefan Wermter and Neal Y. Lii},
journal= {arXiv preprint arXiv:2107.00359},
year = {2021}
}