MOMA-Force：面向真实世界移动操作的视觉-力模仿
机器人学
2023-08-08 v1 计算机视觉与模式识别
摘要
在本文中，我们提出了一种移动机械臂执行多种富含接触操作任务的新方法。虽然基于学习的方法有潜力以端到端方式生成动作，但它们常受限于动作精度不足以及对噪声的鲁棒性较差。另一方面，经典的基于控制的方法可以增强系统鲁棒性，但代价是大量的参数调优。为应对这些挑战，我们提出 MOMA-Force，一种视觉-力模仿方法，其无缝结合了用于感知的表示学习、用于复杂运动生成的模仿学习，以及用于系统鲁棒性与可控性的导纳全身控制。MOMA-Force 使移动机械臂能够以高成功率和较小接触力学习多种复杂富含接触的任务。在真实家庭环境中，我们的方法在任务成功率方面优于基线方法。此外，与无力量模仿的基线方法相比，我们的方法实现了更小的接触力和更小的力方差。总体而言，我们为真实世界中高效且鲁棒的移动操作提供了一种有前景的方法。视频和更多细节可在 \url{https://visual-force-imitation.github.io} 找到。
引用
@article{arxiv.2308.03624,
title = {MOMA-Force: Visual-Force Imitation for Real-World Mobile Manipulation},
author = {Taozheng Yang and Ya Jing and Hongtao Wu and Jiafeng Xu and Kuankuan Sima and Guangzeng Chen and Qie Sima and Tao Kong},
journal= {arXiv preprint arXiv:2308.03624},
year = {2023}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2023